Einführung in die Genetische Epidemiologie (Statistik und ihre Anwendungen) (German Edition) 3540256164, 9783540256168

Citation preview

Reihenherausgeber: Prof. Dr. Holger Dette · Prof. Dr. Wolfgang Härdle

Statistik und ihre Anwendungen Azizi Ghanbari, S. Einführung in die Statistik für Sozial- und Erziehungswissenschaftler 2002 Bickeböller, H.; Fischer, C. Einführung in die Genetische Epidemiologie 2007 Dehling, H.; Haupt, B. Einführung in die Wahrscheinlichkeitstheorie und Statistik 2. Auflage 2004 Dümbgen, L. Stochastik für Informatiker 2003 Falk, M.; Becker, R.; Marohn, F. Angewandte Statistik 2004 Franke, J.; Härdle, W.; Hafner, C. Einführung in die Statistik der Finanzmärkte 2. Auflage 2004 Greiner, M. Serodiagnostische Tests 2003 Handl, A. Multivariate Analysemethoden 2003 Hilgers, R.-D.; Bauer, R.; Scheiber, V. Einführung in die Medizinische Statistik 2. Auflage 2007 Kohn, W. Statistik Datenanalyse und Wahrscheinlichkeitsrechnung 2005 Kreiß, J.-P.; Neuhaus, G. Einführung in die Zeitreihenanalyse 2006 Ligges, U. Programmieren mit R 2. Auflage 2007 Meintrup, D.; Schäffler, S. Stochastik Theorie und Anwendungen 2005 Plachky, D. Mathematische Grundbegriffe der Stochastik 2002 Pruscha,H. Statistisches Methodenbuch Verfahren, Fallstudien, Programmcodes 2005 Schumacher, M.; Schulgen, G. Methodik klinischer Studien 2. Auflage 2007 Steland, A. Mathematische Grundlagen der empirischen Forschung 2004

Heike Bickeböller · Christine Fischer

Einführung in die Genetische Epidemiologie Mit 75 Abbildungen und 66 Tabellen

123

Prof. Dr. Heike Bickeböller Universität Göttingen Abteilung Genetische Epidemiologie Humboldtallee 32 37073 Göttingen [email protected] Dr. Christine Fischer Universität Heidelberg Institut für Humangenetik Im Neuenheimer Feld 366 69120 Heidelberg cfi[email protected]

Mathematics Subject Classification (2000): 62-01, 62P10, 92-01, 92B15

ISBN 978-3-540-25616-8 Springer Berlin Heidelberg New York

Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet ¨ uber http://dnb.d-nb.de abrufbar. Dieses Werk ist urheberrechtlich gesch¨ utzt. Die dadurch begr¨ undeten Rechte, insbesondere die der ¨ bersetzung, des Nachdrucks, des Vortrags, der Entnahme von Abbildungen und Tabellen, der FunkU sendung, der Mikroverfilmung oder der Vervielf¨ altigung auf anderen Wegen und der Speicherung in Datenverarbeitungsanlagen, bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Eine Vervielf¨ altigung dieses Werkes oder von Teilen dieses Werkes ist auch im Einzelfall nur in den Grenzen der gesetzlichen Bestimmungen des Urheberrechtsgesetzes der Bundesrepublik Deutschland vom 9. September 1965 in der jeweils geltenden Fassung zul¨ assig. Sie ist grunds¨ atzlich verg¨ utungspflichtig. Zuwiderhandlungen unterliegen den Strafbestimmungen des Urheberrechtsgesetzes. Springer ist ein Unternehmen von Springer Science+Business Media springer.de © Springer-Verlag Berlin Heidelberg 2007 Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten w¨ aren und daher von jedermann benutzt werden d¨ urften. Herstellung: LE-TEX Jelonek, Schmidt & V¨ ockler GbR, Leipzig Umschlaggestaltung: WMX Design GmbH, Heidelberg SPIN 11381853

154/3100YL - 5 4 3 2 1 0

Gedruckt auf s¨ aurefreiem Papier

Vorwort Wir konnten die Arbeiten an diesem Buch in Form eines zweiw¨ochigen Aufenthalts am Mathematischen Forschungsinstitut Oberwolfach beginnen und bedanken uns recht herzlich f¨ ur diese motivierende F¨orderung durch das Land Baden-W¨ urttemberg. Unser Dank gilt weiterhin allen Kolleginnen und Kollegen aus dem Institut f¨ ur Humangenetik der Universit¨at Heidelberg, mit denen wir die Gelegenheit hatten, insbesondere u ¨ber genetische Buchinhalte zu diskutieren. Wir m¨ ochten weiter ganz herzlich allen danken, die in unterschiedlicher Weise aktiv zur Entstehung des Buches beigetragen haben. Dies sind Marie-Claude Babron, Heike Born, Katja Boysen, Christoph Braun, Fran¸coise Clerget-Darpoux, Jana Distler, Wolfgang Engel, Andrew Entwistle, Krisztina Galambosi, Tiemo Grimm, Hans-Dietrich Hager, Bart Janssen, Marie-Claire King, Karola K¨ ohler, D¨orthe Malzahn, Diana Neufeld, Arne Neumann, Markus Noethen, J¨ urg Ott, Maria Pritsch, Heiko Runz, Katrin Schiebel, Melanie Sohns, Jane Patricia T¨ ogel, Johannes Zschocke, sowie Christina Reck und Kai-Peter De Diana mit besonders hohem Engagement. Besonders bedanken m¨ ochten wir uns bei Eva Boes und Barbara Kollerits, die durch ihr kritisches Lesen wertvolle Verbesserungen f¨ ur das Buch eingebracht haben und bei Wolfgang Gross f¨ ur seine vielf¨altigen Anregungen und die letzte Durchsicht sowie bei unseren Familien f¨ ur ihre Unterst¨ utzung. Wir denken besonders an unsere bereits verstorbenen Eltern Edith Fischer und Albert Bickeb¨ oller, die sich nicht mehr mit uns u ¨ber das fertige Buch freuen k¨ onnen. G¨ottingen, Heidelberg, Januar 2007

Heike Bickeb¨oller, Christine Fischer

Inhaltsverzeichnis Einleitung 1 Grundlagen 1.1 Biologische Grundlagen ...................................................... 1.2 Wahrscheinlichkeitsrechnung und Mendelsche Segregation ......... 1.3 Monogene und komplexe Krankheiten ................................... 1.4 Statistische und epidemiologische Grundlagen ......................... 1.5 Literatur ......................................................................... 2 Populationsgenetik 2.1 Einleitung ....................................................................... 2.2 Ein Genort ...................................................................... 2.3 Mehrere Genorte............................................................... 2.4 Komplexere mathematische Modelle ..................................... 2.5 Ausblick.......................................................................... 2.6 Programme ...................................................................... 2.7 Literatur .........................................................................

1 9 11 25 33 47 64

67 69 70 89 101 103 103 105

3 Famili¨ are Aggregation 3.1 Einleitung ....................................................................... 3.2 Epidemiologische Maßzahlen f¨ ur famili¨ are Aggregation ............. 3.3 Segregationsanteil mit und ohne Auswahlverzerrung................. 3.4 Komplexe Segregationsanalyse ............................................. 3.5 Ausblick.......................................................................... 3.6 Programme ...................................................................... 3.7 Literatur .........................................................................

111

4 Kopplungsanalysen 4.1 Einleitung ....................................................................... 4.2 LOD-Score-Methode .......................................................... 4.3 Identity-by-Descent-Verfahren f¨ ur dichotome Ph¨anotypen..........

157

113 114 117 128 151 153 154

159 166 185

Inhaltsverzeichnis

VIII

4.4 4.5 4.6 4.7 4.8

Identity-by-Descent-Verfahren f¨ ur quantitative Ph¨anotypen ....... Genomweite Kopplungsanalyse ............................................ Ausblick.......................................................................... Programme ...................................................................... Literatur .........................................................................

199 207 217 219 221

5 Assoziationsanalyse 5.1 Einleitung ....................................................................... 5.2 Populationsbasierte Assoziationsstudien................................. 5.3 Familienbasierte Assoziationsstudien ..................................... 5.4 Genomweite Assoziationsstudien .......................................... 5.5 Ausblick.......................................................................... 5.6 Programme ...................................................................... 5.7 Literatur .........................................................................

229

6 Risikoberechnungen in Familien 6.1 Einleitung ....................................................................... 6.2 Wahrscheinlichkeiten in Stammb¨ aumen ................................. 6.3 Monogene Krankheiten ...................................................... 6.4 Brust- und Eierstockkrebs .................................................. 6.5 Ausblick.......................................................................... 6.6 Programme ...................................................................... 6.7 Literatur .........................................................................

279

A Exkurse und Pers¨ onlichkeiten

327

Index

331

231 234 254 267 270 273 274

281 282 286 311 319 321 322

Einleitung In den 1980er Jahren hat sich das eigenst¨ andige Gebiet der “Genetischen Epidemiologie“ etabliert. Dies spiegelt sich in der Gr¨ undung der Zeitschrift Genetic Epidemiology 1984 und der International Genetic Epidemiology Society (IGES) 1992 wieder. In der Genetischen Epidemiologie wird die Rolle genetischer und nichtgenetischer Risikofaktoren und deren Zusammenwirken bei der Entstehung und dem Verlauf von Krankheiten oder allgemeinen Eigenschaften systematisch untersucht. Forschungsmethoden der Humangenetik, der traditionellen Epidemiologie, der genetischen Statistik und der Bioinformatik kommen zum Einsatz. Die Strategien umfassen populationsbasierte Untersuchungen sowie Familienstudien. Ihre Ergebnisse werden f¨ ur differenziertere Diagnostik genutzt und finden Eingang in die Entwicklung von Interventions- und Pr¨aventionsstrategien sowie maßgeschneiderten Therapien. Im Mittelalter gab es kaum Ans¨ atze, die Erblichkeit von Krankheiten oder allgemeinen Eigenschaften zu untersuchen. Dagegen finden sich in der medizinischen Literatur des 18. und 19. Jahrhunderts viele Beobachtungen u ¨ber die Vererbungsregeln einzelner Krankheiten. In einer der ersten Segregationsanalysen zeigte Maupertius 1752 zum Beispiel, dass in seiner Sammlung von Familien die famili¨ are H¨ aufung der Kurzfingrigkeit kein Zufall sein konnte. Es wurden aber auch systematische Ans¨ atze entwickelt. Zwei verschiedene Konzepte zur Analyse der Erblichkeit standen am Ende des Jahrhunderts nebeneinander: die Mendelschen Regeln und der statistische Ansatz von Galton. 1865 publizierte Mendel die Ergebnisse seiner Z¨ uchtungsexperimente bei Erbsen und seine fundamentale Theorie u ¨ ber die Vererbung von Merkmalen (Mendel 1865), die bis zu ihrer Wiederentdeckung im Jahr 1900 keine besondere Aufmerksamkeit fand. Von diesem Zeitpunkt an trieben Mendels Erkenntnisse die Entwicklung der modernen Genetik voran und sind auch f¨ ur die Genetische Epidemiologie grundlegend. Mendels besondere Leistung bestand darin, dass er sich auf einfache Merkmale konzentrierte, statistische Gesetzm¨ aßigkeiten formulierte und richtige biologische Interpretationen lieferte. Sein Konzept eines Gens wurde durch die Forschungen im letzten Jahrhundert mit der Entdeckung der DNA, ihrer Struktur, ihrer Vererbung und den in ihr enthaltenen Informationen f¨ ur die Proteinsynthese und das Leben in seinen verschiedenen Formen biologisch untermauert. Kurz nach der Wiederentdeckung der Mendelschen Regeln erschienen die Arbeiten von Hardy (1908) und Weinberg (1908), die die Populationsgenetik begr¨ undeten.

2

Einleitung

Mendels Theorie wurde 1902 das erste Mal zur Analyse des Erbgangs der Stoffwechselkrankheit Alkaptonurie angewandt (Garrod 2002). Er klassifizierte sie anhand einer Familienstichprobe korrekt als rezessive Krankheit. Ausgehend von der Analyse monogener Merkmale entwickelte Garrod in seinem Buch “Inborn errors of metabolism“ (Garrod 1923) Konzepte, die als Vorl¨ aufer der Analyse genetisch komplexer Krankheiten betrachtet werden. Der Naturforscher und Arzt Galton untersuchte die Vererbung komplexer Merkmale wie Gr¨ oße, verschiedene Charaktereigenschaften und Lebenserfolg mit statistischen Ans¨ atzen, die die Mendelschen Vererbungsregeln nicht beinhalteten (Galton 1865). Diese Untersuchungen sind nat¨ urlich ¨außerst problematisch. Galtons Forschungen in der Humangenetik waren anfangs von eugenischen Motiven bestimmt, er wollte die Nachkommen durch gezielte Paarbildung verbessern. Bekanntlich wurden in Deutschland in der Nazizeit diese eugenischen Motive aufgegriffen und aufs Grausamste pervertiert (Vogel und Motulsky 1997, S.14, 18-19). Heute herrscht in der genetisch-epidemiologischen Fachgesellschaft Konsens dar¨ uber, dass das menschliche Reproduktionsverhalten auf keinen Fall zwangsweise beeinflusst werden darf (“non-directive counseling“) und niemals auf wirklichen oder eingebildeten genetischen Unterschieden zwischen Populationen basieren darf (IGES Resolution on Eugenics, 1999). Galton ist der Erfinder der Korrelations- und Regressionsanalyse, die von seinem Sch¨ uler Pearson weiter ausgearbeitet wurde. Mit Galtons statistischen Techniken wurde die genetische Variabilit¨ at in menschlichen Populationen in den ersten Jahrzehnten des zwanzigsten Jahrhunderts erfolgreich untersucht und zwar sowohl f¨ ur normale Merkmale als auch f¨ ur viele psychiatrische Krankheiten sowie Diabetes, Allergien und auch f¨ ur Tuberkulose. Mendelsche Modelle schienen ausschließlich f¨ ur seltene Erbkrankheiten anwendbar zu sein. Diese beiden Herangehensweisen, die zun¨ achst alternativ zum Einsatz kamen, wurden in der Genetischen Epidemiologie zusammengef¨ uhrt. Dies zeigt sich z.B. bei den gemischten Modellen (s. Kapitel 3.4.3.), bei denen man ein Mendelsches Gen zus¨ atzlich mit allgemein statistischen Anteilen f¨ ur kleinere genetische und nichtgenetische Faktoren zul¨ asst. Die Methoden der schließenden Statistik und der komplexeren statistischen Modellierung wurden in der ersten H¨ alfte des 20. Jahrhunderts erfunden, ihre Urheber Pearson und Fisher waren von genetisch-statistischen Fragestellungen inspiriert. Die Frage nach genetischen Risikofaktoren tauchte in der Epidemiologie etwa vor 50 Jahren auf, Genetiker und Epidemiologen erkannten die Notwendigkeit, ihre Methoden zusammenzuf¨ uhren. Dieser Ansatz wurde 1954 in dem Lehrbuch von Neel und Schull ausgef¨ uhrt (Neel und Schull 1954). Fast vierzig Jahre sp¨ ater wurde James Neel der Gr¨ undungspr¨asident der International Genetic Epidemiology Society.

Einleitung

3

Die statistischen Techniken der Genetischen Epidemiologie konnten erst durch die Entwicklung von Programmen zu breiterem Einsatz kommen. Gewaltige Dynamik entstand durch die M¨ oglichkeit, viele genetische Polymorphismen messen zu k¨ onnen. Was ist das Besondere an der genetischen Statistik und der Genetischen Epidemiologie im Vergleich zur klassischen Epidemiologie und “normalen Statistik“? Die Einbeziehung genetischer Risikofaktoren hat weit reichende Konsequenzen: Die Betrachtung von Familien erfordert besondere Techniken, da die Familienmitglieder statistisch nicht unabh¨ angig sind. Es entstanden neue Verfahren zur Sch¨ atzung von Wahrscheinlichkeiten in Stammb¨aumen. Durch die DNA-Struktur und den technologischen Fortschritt in der Molekularbiologie k¨ onnen sehr viele genetische Variablen gemessen werden. Dies erfordert besondere statistische Verfahren und bioinformatische Werkzeuge. Die genetische Information liegt in bestimmten biologischen Strukturen als zusammenh¨ angende DNA-Sequenz auf den Chromosomen vor und wird in gr¨ oßeren St¨ ucken vererbt. Diese Struktur f¨ uhrt einerseits zur Kopplungsanalyse und andererseits zur Haplotypanalyse und zur Nutzung des Linkage Disequilibriums. Auch gemeinsame Nutzung von Kopplung und Linkage Disequilibrium ist m¨ oglich. Die DNA-Variation spiegelt die gesamte Populationsgeschichte wieder, daher ist die Populationsgenetik ein wichtiger Bestandteil der Genetischen Epidemiologie. Das Lehrbuch richtet sich an Studenten der Medizin, Biologie sowie Mathematik, Statistik und Informatik sowie interessierte Wissenschaftler aller Disziplinen. Es umfasst sechs Kapitel. Kapitel 1 ist das Grundlagenkapitel. Zun¨ achst werden die biologischen und molekularbiologischen Grundlagen geschildert. Danach werden die Terminologie und die elementaren Regeln der Wahrscheinlichkeitsrechnung dargestellt und anhand der Mendelschen Vererbung illustriert. Der Satz von der totalen Wahrscheinlichkeit und auch der Begriff der bedingten Wahrscheinlichkeit sind zentral f¨ ur die Genetische Epidemiologie. Eine bedingte Wahrscheinlichkeit wird als Penetranz zur Beschreibung des Zusammenhangs zwischen Genotyp und Ph¨anotyp ben¨otigt. Nun folgt die Beschreibung monogener Krankheiten, der Abweichungen von den klassischen Mendelschen Erbg¨ angen und die Charakterisierung komplexer Krankheiten. Wir beschreiben hier auch die gebr¨auchliche Notation zum Stammbaumzeichnen sowie ausgew¨ ahlte Stammbaumzeichenprogramme. Im letzten Abschnitt des Kapitels haben wir die Grundlagen zum statistischen Sch¨ atzen einschließlich einer Erl¨ auterung des Maximum-Likelihood-Prinzips,

4

Einleitung

zum statistischen Testen und die wichtigsten Regressionsmodelle zusammengestellt. Zus¨ atzlich behandeln wir epidemiologische Maßzahlen allgemein und speziell f¨ ur genetisch-epidemiologische Studien wie etwa die genotypischen relativen Risiken und ihre Interpretation. Bei der Untersuchung komplexer genetischer Krankheiten wird die genetische Variation auf DNA-Ebene mit dem Vorhandensein der Krankheit und ihren verschiedenen Auspr¨agungen in Verbindung gebracht. Die Untersuchung der genetischen Variation in Populationen an sich ist eine essentielle Grundlage zum Verst¨ andnis genetisch-epidemiologischer Methoden. Dies ist der Gegenstand der Populationsgenetik, f¨ ur die wir in Kapitel 2 die Grundlagen einf¨ uhren. Zum einen schildern wir hier die wichtigsten Einflusskr¨ afte wie Selektion, Mutation, Migration, genetische Drift, selektive Paarbildung und ihre Auswirkungen auf einen Genort, zum anderen betrachten wir genetische Strukturen an mehreren Orten in Form von Haplotypen und das Kopplungsungleichgewicht. Ob eine Krankheit geh¨ auft in Familien auftaucht und ob das Vererbungsmuster zu einem klassischen Erbgang passt oder nicht, muss am Anfang der genetisch-epidemiologischen Analyse einer Krankheit untersucht werden. Techniken zur Bearbeitung dieser Fragen sind Inhalt von Kapitel 3, in dem einfache epidemiologische Kenngr¨ oßen der famili¨aren H¨aufung sowie differenziertere Analysen von Erbgangshypothesen, sogenannte Segregationsanalysen, behandelt werden. Gene und genetische Polymorphismen liegen linear angeordnet auf den Chromosomen. Das hat zur Konsequenz, dass eng zusammen liegende Loci meist auch zusammen von Generation zu Generation vererbt werden. Umgekehrt kann aus der gemeinsamen Vererbung messbarer monogen bedingter Eigenschaften unter Annahme eines genetischen Modells auf die physikalische N¨ahe der zugeh¨ origen Gene geschlossen werden. Die dazu entwickelten statistischen Techniken der Kopplungsanalyse sind Thema des Kapitels 4. Kopplungsanalysen waren ¨ außerst erfolgreich bei der Suche nach Genen f¨ ur monogene Krankheiten und Hauptgenen f¨ ur komplexe Krankheiten. Erste Kopplungsanalysen zwischen zwei monogenen Eigenschaften fanden vor 100 Jahren bei Z¨ uchtungsexperimenten an Erbsen statt (Bateson et al. 1905; Bateson et al. 1906). Die statistische Theorie dazu entstand erst sp¨ater durch Fisher. Er entwickelte die theoretischen Grundlagen der modernen Statistik und pr¨agte die fr¨ uhe Geschichte der Kopplungsanalyse. 1912 schrieb er als Student im Grundstudium einen Artikel, in dem er die Technik einf¨ uhrte, die sp¨ater als Maximum-Likelihood-Methode bekannt wurde (Fisher 1912). Die heute weit verbreitete Lod-Score-Methode zur Kopplungsanalyse wurde 1955 von Morton postuliert (Morton 1955), und 1974 stand das erste Computerprogramm LIPED zu deren Anwendung zur Verf¨ ugung (Ott 1974). Erst danach, verbun-

Einleitung

5

den mit der Entdeckung molekulargenetischer Marker und ihrer Typisierung in großem Umfang, erfolgte eine breite Anwendung der Kopplungsanalyse. Kapitel 5 hat als Thema genetische Assoziationsanalysen, bei denen die Verteilung genetischer Polymorphismen zwischen F¨allen und Kontrollen verglichen wird, um Hinweise auf genetische Risikofaktoren zu erhalten. Es werden die klassischen Studiendesigns der Epidemiologie wie Fall-Kontroll-Studien und Kohortenstudien mit unverwandten Personen verwendet sowie familienbasierte Studien auf der Basis von Kranken und ihren Eltern oder Kernfamilien mit gesunden und kranken Kindern. Bei Assoziationsstudien kommen die statistischen Methoden der klassischen Epidemiologie zum Einsatz sowie Methoden, um die Besonderheiten bei genetischen Risikofaktoren ber¨ ucksichtigen zu k¨ onnen. Dies sind Assoziationsmethoden bei Familienstudien und die Ber¨ ucksichtigung von Haplotypen und m¨ oglichen genetischen Confoundern. Als eine Anwendung genetisch-epidemiologischer Forschungsergebnisse werden in Kapitel 6 Risikoberechnungen in Familien behandelt. Mit einer Handrechentechnik k¨ onnen in einfachen Familiensituationen bei monogenen Krankheiten die Krankheitswahrscheinlichkeiten f¨ ur ratsuchende Familienmitglieder berechnet werden. F¨ ur Aussagen zu Wiederholungsrisiken bei komplexen Krankheiten hat man die epidemiologischen Kenngr¨oßen zur Verf¨ ugung. Wir beschreiben die Risikoberechnungsmethoden f¨ ur eine komplexe Krankheit mit monogenen Sonderformen am Beispiel Brust- und Eierstockkrebs. Das Beispiel Brustkrebs zieht sich durch alle Kapitel. Wir illustrieren in Kapitel 3 das Prinzip der komplexen Segregationsanalyse an diesem Beispiel, wir schildern die wegweisende Kopplungsanalyse in Kapitel 4, die die Entdeckung des ersten Brustkrebsgens BRCA1 vorbereitete. In Kapitel 5 wird das Beispiel Brustkrebs im Kontext von Assoziationsanalysen aufgegriffen. Die Krankheit wird beim Thema Risikoberechnungen in Kapitel 6 wieder behandelt. Genetische Tests und Risikosch¨ atzungen in Familien mit Brustund Eierstockkrebs werden im Rahmen spezieller Vorsorgeprogramme im Gesundheitssystem eingesetzt. Dar¨ uber hinaus beginnen klinische Studien zur Untersuchung maßgeschneiderter Therapien f¨ ur Brustkrebs bei Tr¨agerinnen von Defekten in BRCA1 (Tassone et al. 2005). Am Ende der Kapitel 2-6 kommentieren wir in einem eigenen Abschnitt ausgew¨ahlte Software zum jeweiligen Themenbereich. Jedes Kapitel enth¨ alt einen Exkurs zu einem besonderen Thema, das insgesamt f¨ ur das Fachgebiet wichtig ist. Kapitel 1: Repeatzahlen an einem Mikrosatellitenlocus Kapitel 2: Der Estimation-Maximisation (EM)-Algorithmus Kapitel 3: Das Prinzip des Likelihood-Ratio-Tests Kapitel 4: Der Lander-Green-Algorithmus Kapitel 5: Exakte Tests und Permutationstests Kapitel 6: Genetische Beratung

6

Einleitung

Jedes Kapitel enth¨ alt einen Ausflug in die Geschichte, in dem wir ganz subjektiv ausgew¨ ahlt besondere Wissenschaftler und Wissenschaftlerinnen kurz beschreiben. Auf Grund unserer eigenen Biographie haben wir hier Wissenschaftlerinnen und deutschsprachige Wissenschaftler bevorzugt. Dies sind: Kapitel 1: Peter Emil Becker, der in den 1930ern systematische Untersuchungen der Muskeldystrophien in S¨ udbaden durchf¨ uhrte und anhand der Vererbungsmuster eine bis heute g¨ ultige Klassifikation entwickelte. Kapitel 2: Wilhelm Weinberg und Godfrey Harold Hardy, die das HardyWeinberg-Gesetz unabh¨ angig voneinander formulierten. Kapitel 3: Mary Claire King, die mit ihren Arbeiten zur Segregationsanalyse des Brustkrebses wesentlich zur Erforschung komplexer Krankheiten allgemein und zur Entdeckung des BRCA1-Gens f¨ ur Brustkrebs im Besonderen beigetragen hat. Kapitel 4: J¨ urg Ott, durch dessen Softwareprogramme und Schriften der Kopplungsanalyse zur breiten Anwendung verholfen wurde. Kapitel 5: Francoise Clerget-Darpoux, die zeigte, wie wichtig es sein kann, Informationen u ¨ ber Kopplung und Kopplungsungleichgewicht gemeinschaftlich zu nutzen, und auch bei komplexen Krankheiten das genetische Modell mit zu modellieren, statt rein statistische Betrachtungen durchzuf¨ uhren. Kapitel 6: Thomas Bayes, der Erfinder der Bayesschen Formel. Literatur B¨ ucher Garrod AE (1963) Inborn errors of metabolism. Henry Frowde, London, 1932. Nachdruck durch Oxford University Press Neel JV, Schull WJ (1954) Human Heredity. University of Chicago Press: Chicago Vogel F, Motulsky AG (1997) Human Genetics Problems and Approaches. 3. Auflage Springer Verlag: Berlin Heidelberg New York Artikel Bateson W, Saunders ER, Punnet, RC (1905) Reports to the Evolution Committee of the Royal Society, II. Experimental Studies in the physiology of heredity: London Bateson W, Saunders ER, Punnet RC (1906) Reports to the Evolution Committee of the Royal Society, III. Experimental studies in the physiology of heredity: London Fisher RA (1912) On an absolute criterion for fitting frequency curves. Messanger of Mathematics 41:155-160

Einleitung

7

Galton F (1865) Hereditary talent and character. Maximilian’s Magazine 12:157 Garrod AE (2002) The incidence of alkaptonuria: a study in chemical individuality. 1902 [classical article]. Yale Journal of Biology and Medicine 75:221231 Hardy GH (1908) Mendelian proportions in a mixed population. Science 28: 49-50 Mendel G (1865) Versuche u ¨ber Pflanzenhybriden: Verhandlungen des Naturforschenden Vereins: Br¨ unn Morton NE (1955) Sequential tests for the detection of linkage. The American Journal of Human Genetics 7:277-318 Ott J (1974) Estimation of the recombination fraction in human pedigrees: efficient computation of the likelihood for human linkage studies. The American Journal of Human Genetics 26:588-597 Tassone P, Blotta S, Palmieri C, Masciari S, Quaresima B, Montagna M, D’Andrea E, Eramo OP, Migale L, Costanzo F, Tagliaferri P, Venuta S (2005) Differential sensitivity of BRCA1-mutated HCC1937 human breast cancer cells to microtubule-interfering agents. International Journal of Oncology 26:1257-1263 ¨ Weinberg W (1908) Uber den Nachweis der Vererbung beim Menschen. Jahreshefte des Vereins f¨ ur vaterl¨ andische Naturkunde in W¨ urttemberg 64:368382 Webseiten International Genetic Epidemiology Society (IGES): iges.biostat.wustl.edu/iges.html

Kapitel 1 Grundlagen

1

1

1 Grundlagen 1.1 Biologische Grundlagen ...................................................... 1.1.1 Struktur des genetischen Materials ................................ 1.1.2 Vererbungsprozess ..................................................... 1.2 Wahrscheinlichkeitsrechnung und Mendelsche Segregation ......... 1.2.1 Definitionen und Rechenregeln der Wahrscheinlichkeitsrechnung ........................................ 1.2.2 Zufallsvariablen und ihre Verteilungen ........................... 1.2.3 Bedingte Wahrscheinlichkeit, Multiplikationssatz, Mendelsche Segregation .............................................. 1.2.4 Satz von der totalen Wahrscheinlichkeit, Formel von Bayes 1.3 Monogene und komplexe Krankheiten ................................... 1.3.1 Charakterisierung monogener Krankheiten...................... 1.3.2 Abweichungen vom einfachen Modell der Mendelschen Segregation............................................. 1.3.3 Stammb¨ aume und Programme ..................................... 1.3.4 Komplexe Krankheiten ............................................... 1.4 Statistische und epidemiologische Grundlagen ......................... 1.4.1 Statistisches Sch¨ atzen ................................................. 1.4.2 Epidemiologische Studientypen und Maßzahlen................ 1.4.3 Statistisches Testen .................................................... 1.4.4 Regressionsmodelle .................................................... 1.5 Literatur .........................................................................

11 11 11 20 25 25 27 29 32 33 33 36 41 43 47 47 52 56 59 64

1 Grundlagen 1.1 Biologische Grundlagen Wir geben hier eine kurze Zusammenfassung der Begriffe und Modellvorstellungen aus der Genetik, die f¨ ur die grundlegenden genetisch-epidemiologischen Methoden in diesem Buch wichtig sind. Bei vielen statistischen Auswertungsverfahren kann man mit Vereinfachungen arbeiten. F¨ ur Kopplungsund Assoziationsmethoden zur groben Genlokalisation ist es meistens ausreichend, Gene und Marker zun¨ achst als punktf¨ormig anzunehmen, linear auf den Chromosomen aufgereiht, w¨ ahrend es f¨ ur differenziertere Analysen oder Risikoberechnungen sehr wichtig ist, die Ausdehnung und Struktur einzelner Gene zu ber¨ ucksichtigen. Was ist ein Gen? Das Konzept eines Gens wurde von Mendel eingef¨ uhrt, lange bevor es durch die Entdeckung der DNA untermauert werden konnte. Er postulierte die Existenz diskreter Erbeinheiten, die von Eltern an ihre Kinder weitergegeben werden und f¨ ur vererbbare Eigenschaften verantwortlich sind. Der Begriff wird in verschiedenen Bedeutungen benutzt. Bevor wir die hier verwendeten Begrifflichkeiten weiter formalisieren, soll die Tr¨agersubstanz der Gene und ihre Struktur beschrieben werden. 1.1.1 Struktur des genetischen Materials 1.1.1.1 Chromosomen

Das Erbgut im Kern jeder menschlichen Zelle besteht aus 46 Chromosomen, davon 44 Autosomen und zwei Geschlechtschromosomen X bzw. Y, die auch Gonosomen genannt werden. Frauen haben zwei X-Chromosomen und M¨ anner ein X- und ein Y-Chromosom. Je zwei Autosomen sind in Gr¨oße, Gestalt und charakteristischem Bandenmuster gleich. Sie heißen homologe Chromosomen. Weil jedes Chromosom doppelt vorkommt, spricht man von einem diploiden Chromosomensatz, Bakterien beispielsweise haben im Gegensatz dazu einen einfachen Chromosomensatz und sind haploid. Das wichtigste Prinzip der Zellvermehrung ist die Mitose, die Verdopplung der genetischen Information und deren Weitergabe an die Tochterzellen. Die Zellteilung wird in verschiedene Phasen gegliedert. W¨ahrend der Metaphase der Zellteilung k¨ onnen die Chromosomen und die f¨ ur jedes Chromosom charakteristischen Bandenmuster mit speziellen F¨arbetechniken unter dem Mikroskop sichtbar gemacht werden. Abb. 1.1 zeigt den diploiden Chromosomensatz eines Mannes. Bis zur Metaphase des Zellzyklus haben sich alle

1.1

12

1. Grundlagen

Abbildung 1.1. Bild geb¨ anderter Metaphase-Chromosomen (mit freundlicher

Genehmigung von H.D. Hager).

Chromosomenpaare zur Vorbereitung der Zellteilung verdoppelt, die Kopien sind eng aneinandergelagert, sie heißen Schwesterchromatiden. Diese liegen im Zellkern ungeordnet vor und sind im Bild jeweils nebeneinander sortiert. Die Struktur eines Chromosoms ist in Abb. 1.2 schematisch dargestellt. Jedes Chromosom setzt sich aus zwei Chromosomenarmen zusammen, dem kurzen p-Arm und dem l¨ angeren q-Arm, getrennt durch das Zentromer, die Chromosomenenden bezeichnet man als Telomere. An den Telomeren des X- und Y-Chromosoms gibt es zwei Bereiche, die wie Abschnitte auf den Autosomen homolog sind, sie heißen pseudoautosomale Regionen PAR1 auf den p-Armen und PAR2 auf den q-Armen von X- und Y-Chromosom.

1.1

Biologische Grundlagen

13

Telomer p-Arm Zentromer

q-Arm

Telomer

Abbildung 1.2. Struktur eines Chromosoms.

1.1.1.2 DNA

Vereinfacht betrachtet sind Chromosomen fadenf¨ormige Molek¨ ule aus Desoxyribonukleins¨aure (abgek¨ urzt DNS, es hat sich auch im Deutschen die Abk¨ urzung DNA f¨ ur deoxyribonucleid acid verbreitet), die aus einer linearen Abfolge einzelner Bausteine bestehen, den Nukleotiden, jeweils charakterisiert durch eine der vier Basen A: Adenin, G: Guanin, C: Cytosin, T: Thymin (s. Strachan und Read 2004, S. 4-10). Insgesamt liegen 3-3,5·109 Basenpaare (Einheit: bp, kbp und Mbp) vor. Durch die m¨oglichen Abfolgen dieser verschiedenen Nukleotide (Sequenz) sind genetische Informationen mit einem Vierbuchstabenalphabet verschl¨ usselt. Nach dem Modell von Watson und Crick hat die DNA die Struktur eines helixf¨ormigen Doppelstrangs, in dem sich jeweils zwei Nukleotide A:T und C:G gegen¨ uber liegen. Jeder Strang hat somit einen komplement¨ aren Strang, die Information ist doppelt vorhanden (s. Abb. 1.3). Bei der Replikation, dem Vermehrungsmechanismus der DNA, erm¨ oglicht die Doppelstruktur die Erzeugung einer exakten Kopie der Sequenz. Dabei fungiert jeder Einzelstrang als Schablone f¨ ur einen neuen Doppelstrang. Stark vereinfacht dargestellt l¨ auft dieser komplexe Prozess, an dem mehrere Enzyme beteiligt sind, folgendermaßen ab: Der Doppelstrang wird ausgehend von einem spezifischen kleinen Sequenzst¨ uck (Primer) durch Enzyme ge¨ offnet, und es werden zwei neue Doppelstr¨ange erzeugt, indem sich an jede Base des Einzelstrangst¨ uckes wieder die passende komplement¨are Base anlagert. Dieser Prozess ist f¨ ur beide Einzelstr¨ange verschieden, da diese eine Polarit¨ at besitzen und gegenl¨ aufig angeordnet sind. An einer Seite der einzelnen Bausteine befindet sich eine freie Hydroxyl-Gruppe (-OH), und nur von hier ausgehend kann der Aufbau der neuen Doppelstr¨ange verlaufen. Diese Seite des Einzelstranges wird als 3’-Ende, die andere als 5’-Ende bezeichnet. Fehler bei der DNA-Replikation werden meist durch sehr effiziente Reparaturmechanismen behoben. Selten bleiben diese Ver¨anderungen erhalten. Sowohl der Prozess der Ver¨ anderung als auch die ver¨anderte Base oder das neue DNA-St¨ uck werden Mutation genannt. Mutationen sind entscheidend f¨ ur die

14

1. Grundlagen

Evolution, wir werden in diesem Kapitel und in Kapitel 2 noch ausf¨ uhrlicher darauf eingehen. 5‘

3‘

G T C A A

C A G T T

Abbildung 1.3. Schema der

Doppelstrangreplikation, 3’ und 5’

3‘

5‘

5‘ 3‘

kennzeichnen die Polarit¨ at der Einzelstr¨ ange (s. Text), (nach Buselmaier 2003, S. 136).

1.1.1.3 Gene

Das menschliche Genom ist die Gesamtheit der genetischen Information in menschlichen Zellen, wobei jeweils nur ein Vertreter eines Chromosomenpaars betrachtet wird. Es besteht aus zwei Teilen, der u ¨ berwiegende und komplex strukturierte Teil befindet sich im Zellkern und wird Kerngenom genannt. Außerhalb des Zellkerns gibt es in den Mitochondrien DNA-Molek¨ ule, das mitochondriale Genom, die in einfacher Kopie in der Zelle vorhanden sind. Vermutlich entstanden sie aus Bakterien, die im Lauf der Evolution in die Zelle integriert wurden. Wegen ihrer h¨ oheren Mutationsrate und weil sie nur u ¨ ber die m¨ utterliche Keimbahn weitergegeben wird, eignet sich die mitochondriale DNA besser als die Kern-DNA f¨ ur evolutionsbiologische Untersuchungen. Wir verwenden den Begriff Genom vereinfachend f¨ ur das Kerngenom. Nur in einem kleineren Teil des Genoms (ca. 3%, Strachan und Read 2004, S. 240) sind Informationen zum Bau der Proteine verschl¨ usselt. Ein Gen ist ein DNA-Abschnitt, der die Information zur Herstellung eines Proteins beinhaltet. Von einem Gen ausgehend k¨ onnen auch verschiedene Proteine erzeugt werden. Darauf kommen wir bei der Erl¨ auterung des Spleißens zur¨ uck. Die Stelle eines spezifischen Abschnitts auf den Chromosomen nennt man Genort oder Locus. Die Anzahl der Gene beim Menschen betr¨agt etwa 20.00025.000 (International Human Genome Sequencing Consortium 2004), die Mitochondrien enthalten 37 Gene, die vorwiegend f¨ ur Proteine der Atmungskette wichtig sind.

1.1

Biologische Grundlagen

15

Der Aufbau eines Gens und die Schritte von der genomischen Sequenz im Zellkern bis zur Synthese des Proteins, die im Zellplasma stattfindet, sind in Abb. 1.4 dargestellt. Die Sequenz eines Gens ist in zusammenh¨angende Abschnitte, die Exons und Introns, unterteilt. Zwei nicht dargestellte regulatorische Sequenzst¨ ucke, Promotor und Terminator, kennzeichnen den Anfang und das Ende eines Gens, weitere regulatorische Sequenzen k¨onnen in Introns liegen (s. Abb. 1.4.A). Im ersten Schritt auf dem Weg zur Proteinsynthese wird einer der DNA-Str¨ ange zwischen Promotor und Terminator in Ribonukleins¨aure (RNA) umgeschrieben; es entsteht eine Vorstufe (s. Abb. 1.4.B) der so genannten Boten-RNA (messenger RNA), kurz mRNA. Dabei wird Thymin durch Uracil ersetzt und statt Desoxyribose Ribose eingebaut. Dieser Prozess heißt Transkription. Im anschließenden Schritt des Spleißens (splicing) werden die Introns herausgeschnitten und die Exons zusammengef¨ ugt, es entsteht die mRNA (s. Abb. 1.4.C). Im dritten dargestellten Schritt, der Translation, wird die Information der Boten-RNA in Protein u ¨ bersetzt (s. Abb. 1.4.D). Dabei wird ein Triplettcode, der genetische Code, genutzt (s. Tab. 1.1). Die RNA ist f¨ ur manche Laboruntersuchungen der Nukleotidsequenz nicht gut geeignet. Man erzeugt daher mit dem Enzym reverse Transkriptase aus mRNA wieder eine stabile DNA-Sequenz, die cDNA (com-

Exon

Intron

A Stop

Start 1 Transkription B 2 Spleißen C D

3 Translation MetValLeuTyrTrpGlu

Abbildung 1.4. Fluss der genetischen Information von der DNA (A) u ¨ber die Vorstufe der

mRNA (B) zur Boten-RNA (C) bis zum Protein, das aus Aminos¨ auren aufgebaut ist (D) (mit freundlicher Genehmigung von K. Schiebel).

16

1. Grundlagen

plementary DNA). Sie enth¨ alt nur die Sequenzen der Exons. Die Menge der cDNA entspricht der der mRNA und bildet damit den Biosyntheseprozess quantitativ ab. Die Gr¨ oße einzelner Gene, die Anzahl der Exons und Introns, sowie ihre Verteilung auf den Chromosomen zeigen eine erhebliche Variation. Bei vielen Genen werden zus¨ atzlich zu den Introns alternative Exons bei der Transkription herausgeschnitten, d.h. nicht alle Exons werden verwendet. Dabei entsteht jeweils ein ver¨ andertes Protein (alternatives Spleißen). Dies findet bei der Mehrheit der Gene statt (Stamm et al. 2005). Wenn in einer Zelle aus der genomischen Sequenz eines Gens ein Protein gebildet wird, sagt man, das Gen wird exprimiert oder es ist aktiv. Die DNASequenz ist in jeder K¨ orperzelle gleich, aber nicht alle Gene sind aktiv, sondern in jedem Zelltyp und zu verschiedenen Zeitpunkten ist ein anderer Anteil der Gene aktiv. Proteine sind aus 20 verschiedenen Aminos¨auren aufgebaut. Die Folge dreier Nukleotide im kodierenden Bereich eines Gens heißt Codon und bestimmt eine Aminos¨ aure. Die Abfolge der Dreierp¨ ackchen nennt man Leseraster. Da sich aus vier verschiedenen Nukleotiden auf 43 =64 Arten Dreierfolgen bilden lassen und es nur 20 Aminos¨ auren gibt, ist der genetische Code redundant (biologisch: degeneriert). Die Nukleotidsequenzen in Tab. 1.1 beziehen sich auf RNA. Es kommen alle m¨ oglichen Codons vor, verschiedene Codons k¨onnen dabei dieselbe Aminos¨ aure bestimmen. Die drei Stopcodons UAA, UAG und UGA verschl¨ usseln keine Aminos¨ aure, sondern sorgen f¨ ur den Abbruch der Proteinbiosynthese. Das Codon AUG ist das Startcodon. Tabelle 1.1. Genetischer Code, START-, STOP-Codons sind hervorgehoben.

N=Nukleotid.

1.N.

U C A G

2.Nukleotid U UUU UUC UUA UUG CUU CUC CUA CUG AUU AUC AUA AUG GUU GUC GUA GUG

C PHE LEU

LEU

ILE MET START VAL

UCU UCC UCA UCG CCU CCC CCA CCG ACU ACC ACA ACG GCU GCC GCA GCG

A SER

PRO

THR

ALA

UAU UAC UAA UAG CAU CAC CAA CAG AAU AAC AAA AAG GAU GAC GAA GAG

3.N.

G TYR STOP HIS GLN ASN LYS ASP GLU

UGU UGC UGA UGG CGU CGC CGA CGG AGU AGC AGA AGG GGU GGC GGA GGG

CYS STOP TRP ARG

SER ARG

GLY

U C A G U C A G U C A G U C A G

1.1

Biologische Grundlagen

17

1.1.1.4 Variation im Genom

Das Kerngenom besteht vorwiegend aus nicht-kodierenden Bereichen, in denen keine Informationen zur Herstellung von Proteinen enthalten sind. Vermutlich handelt es sich teilweise um Reste von Genen, die im Lauf der Evolution funktionsunf¨ ahig geworden sind. Ihre Bedeutung ist noch unklar. Etwa die H¨ alfte des Kerngenoms besteht aus Einzelkopiesequenzen (Single-CopySequenzen). Zu etwa 40% liegen repetitive Sequenzen vor, d.h. einzelne Sequenzmotive wiederholen sich mehrere Male. Von diesen haben einfache repetitive Sequenzen (SSRs, simple sequence repeats), die man zu etwa 3% im Genom findet, eine besondere Bedeutung. Nach der Gr¨oße der Motive, d.h. der sich wiederholenden Sequenzst¨ ucke, teilt man ein: Satelliten-DNA besteht aus Bl¨ ocken von 100 kbp bis zu mehreren Mbp L¨ ange. Man findet sie vor allem in den heterochromatischen Zentromerregionen aller Chromosomen. Minisatelliten-DNA besteht aus Motiven von 6 bis 64 bp L¨ange und ist in den Telomerregionen aller Chromosomen zu finden. Sie wird auch VNTR (variable number of tandem repeat) genannt, wenn verschiedene Repeatzahlen vorkommen. Mikrosatelliten-DNA besteht aus sehr kurzen Motiven von 1-4 bp L¨ange und ist u ¨ ber das gesamte Genom verteilt. Mikrosatelliten werden auch STRs (short tandem repeats) genannt. Dinukleotidrepeats (Wiederholungen von zwei bp Motiven) sind besonders h¨ aufig unter den STRs. In den Exons einiger Gene werden Trinukleotidrepeats gefunden, die zur Entstehung einer Krankheit f¨ uhren, wenn die Repeatzahl eine kritische Grenze u ¨ berschreitet. An einem Repeatlocus k¨ onnen auf den homologen Chromosomen bei einer Person und in einer Population verschiedene Repeatanzahlen vorkommen. Eine Stelle im Genom nennt man polymorph, wenn auf den Chromosomenkopien verschiedene Auspr¨ agungen vorkommen, sie heißen Allele oder auch DNA-Varianten. Oft wird der Begriff Polymorphismus damit verkn¨ upft, dass das h¨ aufigste Allel mit einer H¨ aufigkeit von weniger als 99% in einer Population vorkommt. Diese Definition ist missverst¨andlich. Abgesehen von unterschiedlichen Grenzen kommt es bei der Definition u ¨ ber die H¨aufigkeit auf die Bezugspopulation oder Stichprobe an, anhand derer der Polymorphismus untersucht worden ist. Kommt in einer Bev¨olkerung oder in einer Studienstichprobe nur ein Allel vor, so sagt man, der Locus ist hier monomorph. Als Marker bezeichnen wir Polymorphismen mit einer definierten Lokalisation, deren Allele nach den Mendelschen Regeln vererbt werden, auf die wir im Abschnitt 1.2 genauer eingehen werden. Die bei einer Person vorhandene Kombination der beiden Allele heißt Genotyp. Liegen zwei verschiedene

18

1. Grundlagen

A

B

C

S1 tggatcatgtcta

aatcagcacacacacagcagag

SNP

Mikrosatellit

tggatcgtgtcta

aatcagcacacacacacacagcagag

ccgggtttagagatccagggttagagatccagggcacttt

Minisatellit ccgggtttagagatccagggcacttt

S2 Abbildung 1.5. Die wichtigsten Typen der DNA-Polymorphismen A: Single Nucleotid

Polymorphismus (SNP) B: Mikrosatellitenmarker, Dinukleotidrepeat C: Minisatellit mit Motivl¨ ange 14bp auf einem Paar homologer Chromosomen. S1 und S2 bezeichnen die homologen Chromosomen (mit freundlicher Genehmigung von M. Noethen).

Allele an einer bestimmten Stelle vor, ist das Individuum f¨ ur diesen Marker heterozygot, ansonsten nennen wir es homozygot. Auf den Geschlechtschromosomen haben Frauen f¨ ur jeden X-chromosomalen Genort zwei Allele, M¨anner nur eines, man nennt sie hemizygot. Wenn wir nicht zwischen Gen und Marker unterscheiden wollen, sprechen wir von einem Locus. Bei einem Marker spricht man vom Markerort oder Markerlocus, den Markerallelen und dem Markergenotyp. Einen Marker mit genau zwei Allelen nennen wir biallelisch. Die heute wichtigsten Markertypen sind in Abb. 1.5 schematisch dargestellt. Bei dem SNP (single nucleotid polymorphismus, A) unterscheiden sich die Allele an einer Basenposition, bei dem Mikrosatellitenmarker (B) sind 5 CA-Repeats auf einem Chromosom und 7 CA-Repeats auf dem anderen zu sehen. Bei dem in (C) dargestellten Minisatellitenmarker, mit einem 14 bp Motiv liegen ein bzw. zwei Repeats vor. Auf Markerinformationen basieren Kopplungs- und Assoziationsanalysen. Mikrosatelliten sind wegen der gleichm¨aßigen Verteilung im Genom und der hohen Variabilit¨ at wichtige Messpunkte auf den Chromosomen. In den letzten Jahren werden vermehrt SNPs genutzt, denn sie sind sehr h¨ aufig im Genom und im Hochdurchsatzverfahren automatisiert messbar. Die fr¨ uher oft benutzten RFLPs (Restriktionsfragmentl¨angenpolymorphismen) basieren auf aus Bakterien gewonnenen Restriktionsenzymen. Diese k¨ onnen bestimmte DNA-Sequenzen erkennen und an dieser Stelle wie eine chemische Schere schneiden. Nur wenn in dieser Erkennungssequenz eine bestimmte Folge vorhanden ist, schneidet das Enzym. Wenn sie durch einen Basenaustausch ver¨ andert ist, schneidet das Enzym nicht, so dass unterschiedlich lange Fragmente entstehen.

1.1

Biologische Grundlagen

19

Exkurs 1: Repeatzahlen an einem Mikrosatellitenlocus Mikrosatellitenloci bestehen aus Wiederholungen sehr kurzer Motive der L¨ange 1-4 bp. Die verschiedenen Allele an einem Locus werden durch die Anzahl der Repeats unterschieden. Zur Bestimmung des Genotyps an einem Mikrosatellitenlocus einer Person vervielf¨altigt man genau die St¨ uckchen mit den Repeats auf den beiden Chromosomen mit Hilfe der PCR (polymerase chain reaction). Dabei verwendet man zwei spezifische Primer, die den Anfang und das Ende der Repeatkette markieren, und vermehrt das Sequenzst¨ uck zwischen ihnen exponentiell in mehreren temperaturgesteuerten Zyklen. Primer m¨ ussen mindestens 20 bp lang sein, damit sie im Genom nur an eine Stelle binden. Bei diesem Vorgang wird die DNA durch Erw¨ armung in Einzelstr¨ ange u uhrt, bei Abk¨ uhlung lagern sich ¨ berf¨ die hinzugef¨ ugten Primer komplement¨ ar an die kurzen Sequenzst¨ uckchen an, und werden dann von der Polymerase zu einem komplement¨aren Strang verl¨ angert. Von den so entstandenen Fragmenten bestimmt man mit Hilfe eines Sequenzierers die exakten L¨ angen in bp, die u ¨ber Eichproben den Repeatzahlen an dem Mikrosatellitenlocus zugeordnet werden k¨onnen. Abb. 1.6 zeigt das Ergebnis der L¨ angenbestimmung f¨ ur die drei Personen A, B und C am Trinukleotidlocus in Exon 2 des Carnosinase-Gens auf Chromosom 18. Person A ist heterozygot mit 5 und 7 Repeats, B homozygot mit 6 Repeats ¨ und C heterozygot mit 5 und 6 Repeats. Ublicherweise wird beim Genotyp das kleinere Allel zuerst genannt. 140 4380 0

A

4380 0

B B

4380 0

C C

160

5 6

7

180

Abbildung 1.6. L¨ angen eines polymorphen Trinukleotidlocus f¨ ur drei Personen mit den

Genotypen A: 5 7, B: 6 6, C: 5 6. Die markierten Repeatzahlen wurden u ¨ber Eichproben bestimmt.

20

1. Grundlagen

1.1.2 Vererbungsprozess 1.1.2.1 Mitose und Meiose

Man unterscheidet zwei Arten der Zellteilung. Die Mitose (Reifeteilung) ist der Vermehrungsprozess aller diploiden K¨ orperzellen. Alle Zellen außer den Keimzellen werden somatische Zellen genannt. In der Mitose werden die 2·23 Chromosomen im Zellkern auf 2·2·23 Chromosomen verdoppelt und danach auf zwei identische Tochterzellen verteilt. Bei Erwachsenen sind nicht alle K¨orperzellen teilungsf¨ ahig. Nachwachsende Zellpopulationen wie Hautzellen teilen sich kontinuierlich, w¨ ahrend z.B. Nervenzellen sich nur w¨ahrend der Embryogenese zur Entstehung dieses Gewebes teilen. Stabile Zellpopulationen wie Leberzellen teilen sich nur, um durch Krankheit entstandene Zellverluste auszugleichen.

A

B

M1 M2

1

2 4

3

C 1 3

2

1 4

2 4

3

D 2

1 4

1 3

I

2 4

3

II

III

IV

Abbildung 1.7. A: Spermatogonie bzw. Oogonie mit einem diploiden Chromosomensatz,

¨ B: Verdopplung und Uberlagerung, C: erste Reifeteilung, D: zweite Reifeteilung, aus der Ausgangszelle entstehen vier Keimzellen. F¨ ur die Marker M1 und M2 sind die beobachteten Allele als Zahlen eingetragen. Zur Vereinfachung ist nur ein Chromosomenpaar gezeichnet.

Die spezielle Zellteilung zur Erzeugung der Keimzellen heißt Meiose (Reduktionsteilung). Keimzellen sind Samen- und Eizellen, die man auch als Gameten bezeichnet. Sie enthalten jeweils nur einen haploiden Chromosomensatz. Die Schritte der Meiose sind in Abb. 1.7 dargestellt. In der Embryonalentwick-

1.1

Biologische Grundlagen

21

lung differenzieren sich die Zellen zu unterschiedlichen Zelltypen, es entstehen dabei auch Urkeimzellen, aus denen sich Oogonien bei Frauen und Spermatogonien bei M¨ annern entwickeln. Sie haben jeweils einen diploiden Chromosomensatz und durchlaufen mehrere mitotische Teilungen. In Abb. 1.7.A ist eine Oogonie oder Spermatogonie schematisch mit nur einem Chromosom dargestellt. Zun¨ achst verdoppeln sich die Chromosomen, wobei jeweils die Schwesterchromatiden am Zentromer zusammenh¨angen (s. Abb. 1.7.B). In der ersten Reifeteilung teilen sich die homologen Chromosomen auf, es bleiben jeweils die Schwesterchromatiden zusammen (s. Abb. 1.7.C). In der zweiten Reifeteilung trennen sich die Schwesterchromatiden, und werden nun auf vier Keimzellen verteilt (s. Abb. 1.7.D). Bei der Verschmelzung einer Eizelle mit einer Samenzelle entsteht wieder ein vollst¨ andiger diploider Chromosomensatz. Jeweils ein homologes Chromosom stammt vom Vater und von der Mutter, bei M¨adchen stammt ein XChromosom vom Vater und eins von der Mutter, bei Jungen das Y-Chromosom vom Vater und ein X-Chromosom von der Mutter. 1.1.2.2 Crossover und Rekombination

Bei der Verteilung einzelner Chromosomen auf Gameten existieren 223 verschiedene Kombinationsm¨ oglichkeiten. Zus¨ atzlich gibt es ein weiteres biologisches Ph¨ anomen, das genetische Vielfalt erzeugt. Nach der Verdopplung des diploiden Chromosomensatzes und vor der ersten Reifeteilung lagern sich die homologen Chromosomen aneinander, es kommt auf den DNA-Str¨angen der v¨ aterlichen und der m¨ utterlichen Chromatiden zu Br¨ uchen, die wieder zusammengef¨ ugt werden. Hierbei kann es zum Austausch der DNA-St¨ ucke zwischen den Chromatiden kommen (s. Abb. 1.7). Dieser Austausch heißt Crossover. Er kann bei Frauen und M¨ annern auf den Autosomen und bei Frauen zus¨ atzlich auf den X-Chromosomen stattfinden. Bei M¨annern finden auch auf den Geschlechtschromosomen Crossover statt, aber nur in den pseudoautosomalen Regionen (PAR1 und PAR2) auf X- und Y-Chromosom, die etwa 2,6 Mbp und 0,3 Mbp lang sind. In Abb. 1.7 sind ein Chromosomenpaar mit einem Crossover und die daraus entstehenden Gameten dargestellt. Auf den beiden homologen Chromosomen betrachten wir zwei Marker M1 und M2 . Sie sind beide heterozygot. Nach der Verdopplung der Chromosomen kommt es zum Crossover zwischen den beiden Markerloci (s. Abb. 1.7.B, Markerallele nicht eingetragen). Nach der ersten meiotischen Teilung sind die Schwesterchromatiden nicht mehr identisch (s. Abb. 1.7.C). Nach der zweiten meiotischen Teilung (s. Abb. 1.7.D) sind die Gameten I und IV genaue Kopien der Chromosomen der Ausgangszelle, w¨ ahrend sich die Gameten II und III jeweils aus Abschnitten der Ausgangschromosomen zusammensetzen. Man bezeichnet II und III

22

1. Grundlagen

als Rekombinanten und I und IV als Nichtrekombinanten. Liegen zwei Loci weit auseinander, kann es zwischen ihnen zu Mehrfach-Crossovern kommen. Wenn es geradzahlig viele sind, sieht man keine Rekombinanten. Bei einer ungeraden Zahl Crossover findet man Rekombinanten, falls der Elternteil an beiden Loci heterozygot ist (auch doppelt heterozygot genannt). Die Rekombinationsrate θ zwischen zwei Loci ist die Wahrscheinlichkeit, mit der unter den Gameten Rekombinanten entstehen. Je dichter sie auf einem Chromosom zusammenliegen, desto seltener sieht man Rekombinanten. Zwei Loci heißen vollst¨andig gekoppelt, wenn θ = 0. Dann werden die Allelfolgen an den zwei Loci immer als Ganzes an die n¨ achste Generation vererbt. Zwei Loci heißen ungekoppelt, wenn θ = 1/2 . In diesem Fall sieht man Rekombinante und Nichtrekombinante gleich h¨ aufig. F¨ ur 0 ≤ θ < 1/2 spricht man von Kopplung. Der genetische Abstand zwischen zwei Loci hat die Einheit Morgan (auch centiMorgan, cM) und ist definiert als die erwartete Anzahl Crossover zwischen ihnen. Er ist nicht direkt messbar, stattdessen wird die Rekombinationsrate gesch¨ atzt, auf die wir im Kapitel Kopplungsanalyse genauer eingehen werden. F¨ ur zwei Loci, zwischen denen θ kleiner als 0,1 ist, entspricht θ = 0, 01 etwa 1 cM. Methoden zur Sch¨ atzung von θ und zum Testen der Kopplung sind Gegenstand der Kopplungsanalysen (s. Kapitel 4). 1.1.2.3 Haplotypen

Betrachtet man mehrere Loci auf einem Chromosom, so bezeichnet ein Haplotyp die Folge der Allele, die von einem Elternteil vererbt worden sind, d.h. auf denselben Chromatiden liegen. In feinster Aufl¨osung ist ein Haplotyp ein Sequenz-St¨ uck. In Abb. 1.7.A sind die Marker M1 und M2 auf den homologen Chromosomen dargestellt. In der Ausgangszelle haben M1 und M2 die Genotypen 1 2 und 3 4. Aus den im Labor bestimmten Genotypen sind die Haplotypen 1 3 und 2 4 nicht ersichtlich. Durch das Crossover stimmen nicht alle Haplotypen in den Gameten mit denen in der Ausgangszelle u ¨berein (in Abb. 1.7.D nur I und IV). Die Typisierung von X- und Y-Chromosomen bei M¨annern (außerhalb der PAR) oder mitochondrialer DNA liefert direkt Haplotypen, da sie nur in einfacher Kopie vorliegen. Es wurden verschiedene Ans¨atze zur experimentellen Bestimmung der Haplotypen auf Autosomen entwickelt. Bei der Methode der somatischen Zellhybriden werden menschliche Lymphozyten mit Mauszelllinien fusioniert. Bei diesem Prozess entstehen Zellen, die einzelne Kopien menschlicher Chromosomen enthalten. Sie lassen sich identifizieren und erm¨ oglichen die Haplotypbestimmung f¨ ur ganze Chromosome. Diese Technik ist langwierig und kostspielig. Erfolgversprechend f¨ ur gr¨oßere Untersuchungen scheint die Methode allelspezifischer PCR (long range PCR, Wu et al. 2005)

1.1

Biologische Grundlagen

23

zu sein. Hier wird mit einer Haplotyp-spezifischen PCR ein Haplotyp gezielt vervielf¨ altigt, so dass die nachfolgende Allelbestimmung den Haplotyp liefert. Bei Kenntnis der vorhandenen Genotypen ist dann der andere Haplotyp klar. Zur Zeit k¨ onnen mit dieser Methode Haplotypen bis zu einer L¨ange von etwa 100 kb ermittelt werden. Statistische Methoden zur Haplotypsch¨atzung behandeln wir in Kapitel 2. Haplotypen spielen in der genetischen Diagnostik und in vielen Bereichen der Genetischen Epidemiologie eine wichtige Rolle. 1.1.2.4 Mutationstypen

Mutationen sind Zufallsereignisse, die zu Ver¨anderungen der DNA bei der Mitose in somatischen Zellen (somatische Mutationen) oder bei der Meiose (Keimzellmutationen) f¨ uhren. Dabei wird h¨aufig sowohl der Prozess als auch das Ergebnis als Mutation bezeichnet. Genommutationen (Ver¨anderungen der Chromosomenzahl) und Chromosomenmutationen (Ver¨anderungen der Struktur wie große Insertionen/Deletionen, s.u., oder Translokationen) lassen sich im Mikroskop entdecken. Ihre Untersuchung ist Gegenstand der Zytogenetik. Wir wollen in diesem Buch unter Mutationen Ver¨anderungen der DNA verstehen, die unter dem Mikroskop nicht sichtbar sind, etwa in einer Gr¨oße bis zu 1 Mbp. Entsteht aus einem ver¨ anderten Gameten ein neues Individuum, so tr¨ agt es die DNA-Ver¨ anderung in jeder K¨orperzelle. Somatische Mutationen sind nur in den nachfolgenden Zellgenerationen vorhanden, es entsteht ein somatisches Mosaik. Konsequenzen solcher Mutationen gibt es nur, wenn sie spezielle Zellfunktionen beeinflussen. F¨ ur die Untersuchung evolution¨ arer Prozesse, f¨ ur Kopplungs- und Assoziationsstudien und f¨ ur Risikoberechnungen in Familien stehen Keimzellmutationen im Vordergrund. Man unterscheidet zwei verschiedene molekulare Entstehungsmechanismen: 1. Mutationen als Fehler bei der DNA-Replikation und 2. Mutationen durch Verschiebungen und Paarung nicht homologer DNA-St¨ ucke beim Crossover. Gehen Sequenzabschnitte verloren, spricht man von Deletionen, werden welche eingef¨ ugt, von Insertionen. Die Verdopplung einer Sequenz heißt Duplikation. Am h¨ aufigsten sind Punktmutationen. Geschehen sie innerhalb von Exons sind verschiedene Konsequenzen m¨ oglich. Wird ein Nukleotid ersetzt, so dass das Leseraster der Codons erhalten bleibt, spricht man von inframe-Mutationen. Wird das Leseraster ver¨ andert, sind es frameshift-Mutationen und entsteht ein Stop-Codon, handelt es sich um eine Stop-Mutation. Da der Triplettcode degeneriert ist, f¨ uhrt nicht jede Punktmutation zur Codierung einer anderen Aminos¨ aure. Manche codieren eine ¨ahnliche Aminos¨aure, oder eine Aminos¨ aure mit ganz anderen chemischen Eigenschaften. Andere verorigen Proteins vollst¨andig. Mutationen in hindern die Produktion des zugeh¨

24

1. Grundlagen

Introns k¨ onnen das Spleißen ver¨ andern und Mutationen in Promotorbereichen k¨ onnen dazu f¨ uhren, dass das zugeh¨ orige Gen nicht transkribiert wird. Die Art der Mutation kann bei monogenen Krankheiten entscheidend f¨ ur das klinische Bild sein. In Abschnitt 1.2 u ¨ber monogene Krankheiten werden wir Beispiele vorstellen. Ein Entstehungsmodell f¨ ur Deletionen und Duplikationen ist das ungleiche Crossover. Man stellt sich ein erstes Ereignis und Folgeereignisse vor. Betrachten wir zun¨ achst ein exakt gleiches St¨ uck auf homologen Chromosomen. Normalerweise paaren sich die Partnerregionen genau an entsprechenden Positionen, es kann aber durch Doppelbr¨ uche und versetztes Zusammenf¨ ugen oder durch versetzte Paarung nicht homologer Intervalle (Slippage) geschehen, dass das Sequenzst¨ uck in einem Gameten gar nicht und in einem anderen zweifach vorhanden ist. Wird diese Verdopplung in die n¨achste Generation vererbt, ist die Wahrscheinlichkeit f¨ ur Fehlpaarung durch ungleiches Crossover erh¨ oht. Ohne Selektionsdruck an dieser Stelle, erh¨oht sich die Variabilit¨at von Generation zu Generation in beide Richtungen. Der hohe Anteil an repetitiven Sequenzen im menschlichen Genom und die hohe Variabilit¨at passen zu diesem Modell. Der u ¨berwiegende Teil der Mutationen sind Punktmutationen, die bei der Replikation entstehen, und daher von der Anzahl der Zellteilungen abh¨angig sind. Da die Gametenbildung bei M¨ annern und Frauen mit einer ganz unterschiedlichen Anzahl Zellteilungen verbunden ist, vermutete man hier schon fr¨ uh Unterschiede zwischen den Geschlechtern und eine Abh¨angigkeit vom Alter. In der Tat konnte dies f¨ ur verschiedene Krankheiten darunter zum Beispiel Achondroplasie best¨ atigt werden (s. Vogel und Motulsky 1997, S. 406). Die H¨ aufigkeit von Mutationen wird durch ionisierende Strahlung und durch chemische Stoffe (Mutagene) gesteigert. Mutationen k¨onnen auch Allele erzeugen, die sich in den Folgegenerationen als n¨ utzlich herausstellen. Man spricht daher auch davon, dass Mutationen den Motor der Evolution darstellen. Die H¨ aufigkeit der Mutationen wird durch die Mutationsrate beschrieben. Sie ist definiert als Anzahl Mutationen pro Generation pro Gamet bezogen auf einen Locus (s. Abschnitt 1.1.1.4). Mutationsraten in Genen liegen etwa bei allen z.B. im Dystrophingen ist die Mutationsrate 10−5 bis 10−6 , in seltenen F¨ oher. mit etwa 10−4 deutlich h¨

1.2

Wahrscheinlichkeitsrechnung und Mendelsche Segregation

25

1.2 Wahrscheinlichkeitsrechnung und Mendelsche Segregation 1.2.1 Definitionen und Rechenregeln der Wahrscheinlichkeitsrechnung

In den Biowissenschaften lassen sich Zusammenh¨ange h¨aufig nicht durch deterministische Regeln exakt beschreiben. Sie unterliegen dem Zufall. Die Entstehung einer Krankheit ist ein ”zuf¨ alliges“ Ereignis. In der Regel sind nicht alle Faktoren bekannt, die auf das Ereignis einwirken. Diesen Zufall versucht man mit Hilfe von Wahrscheinlichkeiten zu messen. In der Wahrscheinlichkeitstheorie wird hierzu ein Modell erarbeitet, das die Realit¨at m¨oglichst in ihren f¨ ur die betrachtete Fragestellung wichtigen Aspekten abbilden soll. Wir f¨ uhren nun elementare Definitionen und Regeln der Wahrscheinlichkeitsrechnung ein. Sp¨ ater formulieren wir Gesetzm¨aßigkeiten, mit deren Hilfe wir Wahrscheinlichkeiten f¨ ur Zufallsergebnisse angeben. Wenn z.B. bei einer monogenen Krankheit verursachendes Gen und Erbgang exakt bekannt sind, l¨ asst sich die Wahrscheinlichkeit f¨ ur das Auftreten der Krankheit angeben. Bei der Interpretation der Wahrscheinlichkeiten muss man beachten, dass es sich um Aussagen f¨ ur eine große Gruppe der Personen mit gleichen Voraussetzungen handelt und nicht um eine exakte Aussage f¨ ur eine einzelne Person. Betrachten wir z.B. ein Paar in einer genetischen Beratung: Beide Partner haben keine Mukoviszidose, tragen aber jeweils genau ein verantwortliches Allel f¨ ur diese rezessive Krankheit, wie in einem Test festgestellt wurde. Die Wahrscheinlichkeit f¨ ur das Auftreten der Mukoviszidose bei Kindern solcher Paare ist 25%. Diese Aussage ist aber nicht so zu verstehen, dass von vier Kindern eines solchen Paares - wenn die ersten drei Kinder keine Mukoviszidose haben - das vierte Kind mit 100% Wahrscheinlichkeit Mukoviszidose bekommt. Vielmehr ist gemeint, dass in einem großen Kollektiv solcher Kinder etwa ein Viertel Mukoviszidose bekommt, der andere Teil nicht (Hilgers et al. 2003). Ein individuelles Schicksal wird dadurch nicht sicher vorhergesagt. Die Wahrscheinlichkeit beeinflusst aber die Entscheidung f¨ ur einen Kinderwunsch. Ein Ereignis ist definiert als das Ergebnis einer Beobachtung oder eines Versuches, einer Messung. Beispiele sind das Auftreten einer Krankheit (ja/nein), das Ergebnis eines diagnostischen Tests (positiv/negativ), der Genotyp an einem Locus (d.h. die Kombination der beiden Allele an einem Genort), das Alter oder der Blutdruck einer zuf¨ allig gew¨ ahlten Person oder auch das Ergebnis beim Werfen eines W¨ urfels, das in Statistikb¨ uchern oft betrachtet wird. Messungen eines stetigen Merkmals, wie beispielsweise des Blutdrucks, werden sp¨ ater noch behandelt. Zun¨ achst betrachten wir diskrete Merkmale, bei denen es nur endlich viele M¨ oglichkeiten f¨ ur das Ereignis gibt.

1.2

26

1. Grundlagen

Bei einem Experiment (z.B. Beobachtung, Versuch) fasst man alle in der Realit¨ at m¨ oglichen einzelnen Ereignisse (Elementarereignisse) zur Grundgesamtheit Ω zusammen. Betrachten wir beispielsweise ein biallelisches Gen mit den Allelen D und d, besteht die Grundgesamtheit der Genotypen aus Ω = {DD, Dd, dd}. Jede Person tr¨ agt genau einen Genotyp. Zur Beschreibung zusammengesetzter Ereignisse benutzt man die Mengenlehre (s. Tab. 1.2). A und B seien Teilmengen von Ω, d.h. A, B ⊆ Ω. Zur Erl¨ auterung betrachten wir obiges Gen. Sei A={DD}, d.h. die Menge des homozygoten Genotyps DD, und B={DD, Dd }, d.h. die Menge der Genotypen, die das Allel D tragen. A ∪ B = B, d.h. die Menge der Tr¨agergenotypen von D schließt den homozygoten Genotyp mit ein; A ∩ B = A. B − A ={Dd}, d.h. die Menge der Tr¨ agergenotypen des Allels D ohne Homozygote umfasst ausschließlich die Heterozygoten, und B={dd}. Tabelle 1.2. Notationen zur Beschreibung von Ereignissen.

Symbol

Bezeichnung

Ereignis

Ω

Grundgesamtheit

Menge aller m¨ogl. Elementarereignisse

A∪B

Vereinigungsmenge

Entweder gilt A oder B oder beides

A∩B

Schnittmenge

A und B treten gemeinsam auf

B−A

Differenzmenge

Es tritt B, aber nicht A auf

A⊆B

Teilmenge

Wenn A gilt, gilt auch B

A=Ω−A

Komplement

Es tritt nicht A auf

Die Wahrscheinlichkeit f¨ ur eine (Teil-)Menge von Ereignissen aus der Grundgesamtheit Ω ist eine Zahl zwischen 0 und 1. Es gelten folgende Regeln: 0 ≤ P (A) ≤ 1. Eine Wahrscheinlichkeit nimmt nur Werte zwischen 0 und 1 an. Manchmal werden Wahrscheinlichkeiten auch in Prozent ausgedr¨ uckt, dann nehmen sie Werte zwischen 0% und 100% an. p(Ω)=1. Ein Ereignis aus Ω muss immer eintreten, sicheres Ereignis. Sind A und B sich gegenseitig ausschließende Ereignisse (disjunkt, d.h. sie k¨ onnen nicht gleichzeitig auftreten), so gilt P (A ∪ B) = P (A) + P (B). Die Zuordnungsvorschrift bestimmt, welche Wahrscheinlichkeit einer spezifischen Menge zugeordnet wird. Man w¨ ahlt ein m¨oglichst einfaches Modell, mit dem man die ”Natur” f¨ ur den vorliegenden Zweck hinreichend gut beschreibt. Die einfachste Vorschrift ist die Laplace-Wahrscheinlichkeit, bei der jedem Elementarereignis die gleiche Wahrscheinlichkeit zugeordnet wird. Dieses Modell ordnet f¨ ur den Wurf eines fairen W¨ urfels jeder Augenzahl die

1.2

Wahrscheinlichkeitsrechnung und Mendelsche Segregation

27

Wahrscheinlichkeit 1/6 zu. Aber es w¨ are unangemessen, jedem Genotyp die gleiche Wahrscheinlichkeit f¨ ur das Auftreten in einer Bev¨olkerung zuzuordnen. Die Zuordungsvorschrift f¨ ur Genotypen geben wir sp¨ater an. 1.2.2 Zufallsvariablen und ihre Verteilungen

Die Beschreibung mittels Mengenlehre eignet sich f¨ ur diskrete Zufallsexperimente. Allgemeiner ist die Beschreibung durch Zufallsvariable. Die Messung oder Beobachtung, z.B. der Genotyp, heißt Zufallsvariable und wird mit Großbuchstaben (X) bezeichnet. Ein konkreter Messwert, z.B. der im Labor bestimmte Genotyp einer Person, ist eine Realisation der Zufallsvariablen und wird mit Kleinbuchstaben (x) bezeichnet. Die Wahrscheinlichkeiten f¨ ur die Elementarereignisse bilden gemeinschaftlich die Wahrscheinlichkeitsverteilung, kurz Verteilung, der diskreten Zufallsvariablen. Wichtige diskrete Verteilungen sind Bernoulli-, Binomial-, Multinomial- und Poissonverteilung. Bei einem Bernoulliexperiment wird eine Ereignismenge Ω mit genau zwei ¯ = 1−p M¨oglichkeiten A und A¯ und der Zuordnung P (A) = p und P (A) ¯ betrachtet. Beispielsweise bezeichne A = “Genotyp DD liegt vor“ und A= “DD liegt nicht vor“. Die Binomialverteilung ergibt sich aus der Betrachtung mehrerer Bernoulliverteilungen. Betrachtet man n zu unabh¨angigen gleichen Bedingungen zuf¨allig ausgew¨ ahlte Personen, so kann das Ereignis A “DD liegt vor“ k mal auftreten, wobei k eine ganze Zahl zwischen 0 und n ist. Die Binomialwahrscheinlichkeiten sind
 n k B(k, n, p) = p (1 − p)n−k , k wobei k = 0,. . . ,n. Der Binomialkoeffizient ist definiert durch
 n · (n − 1) · ... · (n − k + 1) n! n = . = k k!(n − k)! 1 · 2 · ... · k Die Wahrscheinlichkeitsverteilung wird mit B(n,p) bezeichnet. Sei nun p(DD)=0,2 und man betrachte n=2 Personen, so gilt B(2;2;0,2)=0,04, B(1;2;0,2)=0,32 und B(0;2;0,2)=0,64, d.h. mit einer Wahrscheinlichkeit von nur 0,04 oder 4% haben von zwei Personen aus der Bev¨olkerung beide den Genotyp DD. (s. Abb. 3.3, S. 132 zeigt Binomialverteilungen.) Eine Multinomialverteilung ergibt sich bei n-facher Wiederholung eines Experiments mit mehr als zwei disjunkten M¨ oglichkeiten, wie bei drei m¨oglichen Genotypen DD, Dd, dd, mit der Zuordnung p1 = p(DD) = 1/4, p2 = p(Dd) = 1/2, p3 = p(dd) = 1/4, wobei p1 + p2 + p3 = 1 gilt.

28

1. Grundlagen

Die Binomialverteilung l¨ asst sich bei kleiner Einzelwahrscheinlichkeit f¨ ur das Ereignis und großem n gut durch die Poissonverteilung beschreiben: P ois(k) =

λk −λ e , k!

wobei λ der Erwartungswert ist, λ > 0, k = 0, 1, 2, . . .. Ein Crossover bei der Meiose ist ein seltenes Ereignis (verglichen mit der Genoml¨ ange), das sich mittels Poissonverteilung gut modellieren l¨asst. Der Erwartungswert E(X) als gewichtetes Mittel und die Varianz V(X) als Maß f¨ ur die Streuung sind wichtige Verteilungskenngr¨oßen. F¨ ur diskrete Zufallsvariablen gilt E(X) = Σk k · p(k), V (X) = Σk [k − E(X)]2 p(k). F¨ ur E(X) werden also die Produkte aus Wert k der Zufallsvariablen und Wahrscheinlichkeit p(k) f¨ ur k, u ¨ ber alle k aufsummiert. Die Varianz betrachtet die quadratischen Abweichungen von E(X). F¨ ur die Binomialverteilung gilt E(X) = np, V (X) = np(1 − p). Betrachtet man z.B. 100 Personen einer Bev¨ olkerung mit p(DD) = 0, 2, so erwartet man im Mittel 20 DD-Personen. Die Wahrscheinlichkeit, dass X kleiner oder gleich einem Wert x0 ist, wird durch die Verteilungsfunktion, F(x0 ), der Zufallsvariablen X beschrieben: F (x0 ) = P (X ≤ x0 ). Bei diskreten Wahrscheinlichkeiten werden die entsprechenden Wahrscheinlichkeiten zur Verteilungsfunktion aufsummiert. F¨ ur das obige Genotypbeispiel ergibt sich F(X) f¨ ur die Zufallsvariable X = “Anzahl der Personen mit Genotyp DD unter 2 Personen“ mit F(0)=0,64; F(1)=0,96 und F(2)=1. Nun wollen wir stetige (auch kontinuierliche, quantitative) Zufallsvariablen betrachten, bei denen beliebig viele Werte angenommen werden, wie z.B. bei Messungen des Blutdrucks oder von Blutparametern. Im Gegensatz zu diskreten Zufallsvariablen ist bei stetigen Zufallsvariablen die Wahrscheinlichkeit f¨ ur einen einzelnen Wert gleich 0. Man betrachtet daher Intervalle. Die Wahrscheinlichkeit, dass eine Zufallsvariable X Werte zwischen a und b annimmt, P(a≤X≤b), entspricht der Fl¨ ache unter einer Kurve f(x) zwischen den Werten a und b, die Kurve heißt Dichtefunktion oder Dichte f(x). Oft wird die Verteilungsfunktion F (x0 ) = P (X ≤ x0 ) angegeben, wobei die Dichte die Ableitung der Verteilungsfunktion ist. Umgekehrt ergibt sich die Verteilungsfunktion F (x0 ) als Integral von -∞ bis x0 der Dichte. Die Wahrscheinlichkeit f¨ ur einen diastolischen Blutdruck zwischen 120 und 140 mmHg ist P(120≤X≤140) = F(140)-F(120). Gibt man eine bestimmte Wahrschein-

1.2

Wahrscheinlichkeitsrechnung und Mendelsche Segregation

29

lichkeit α vor und sucht den Wert xα , so dass F (xα ) = P (X ≤ xα ) = α gilt, dann heißt xα das α-Quantil der Verteilung. Dichte und Verteilungsfunktion werden ausf¨ uhrlicher z.B. in Weiß (2005, S. 144 und folgende) behandelt. Die wichtigsten stetigen Verteilungen sind die Normalverteilung und die Chiquadratverteilung. Die Normalverteilung N(µ, σ2 ) hat die Dichte 1 f (x) = √ e 2πσ

−

2 (x − µ) 2σ 2 ,

wobei µ = E(X), σ 2 = V (X) > 0 (s. z.B. Abb. 3.4). Die Standardnormalverteilung N(0,1) hat eine zentrale Bedeutung, da sie die Basis f¨ ur viele statistische Tests und Konfidenzintervalle bildet (s. Abschnitt 1.4) und sich viele Variablen durch Transformation der Skala standardisieren lassen. Eine normalverteilte Zufallsvariable X∼ N(µ, σ2 ) wird durch Standardisierung zu einer standardnormalverteilten Zufallsvariable U: X −µ X − E(X) ∼ N (0, 1). = U=  σ V (X) Der Blutdruck ist h¨ aufig normalverteilt und Blutkonzentrationen (z.B. von Enzymen, pharmakologischen Substanzen) sind h¨aufig nach einer Logarithmustransformation normalverteilt, so dass ln (X) ∼ N(µ, σ2 ). Die Chiquadratverteilung ist bei statistischen Tests in Mehrfeldertafeln von Bedeutung (s. Abschnitt 1.4.3, Abb. 1.14). Liegen n unabh¨angige standardnormalverteilte Zufallsvariablen Xk ∼ N (0, 1), k = 1, .., n, vor, so ist die quadratische Summe chiquadratverteilt mit n Freiheitsgraden (FG) n 

2 2 X k ∼ χn .

k=1

Diese und weitere Verteilungen sind in vielen Lehrb¨ uchern zur Wahrscheinlichkeitsrechnung und Statistik angegeben. 1.2.3 Bedingte Wahrscheinlichkeit, Multiplikationssatz, Mendelsche Segregation

Die Mendelsche Segregation ist das einfachste und am meisten verwendete Modell f¨ ur den Vererbungsmechanismus beim Menschen. F¨ ur sie ben¨otigen wir Multiplikationssatz und Binomialverteilung. Die wichtigen Penetranzen beschreiben die Beziehung zwischen Genotypen und dem Auftreten einer Krankheit und sind u ¨ ber bedingte Wahrscheinlichkeiten definiert. Ein abh¨angiges Ereignis ist beispielsweise das Auftreten einer Krankheit, wenn es durch das Vorliegen eines spezifischen Genotyps beeinflusst (man sagt be-

30

1. Grundlagen

dingt) wird. Die bedingte Wahrscheinlichkeit f¨ ur A gegeben B ist: P (A|B) =

P (A ∩ B) , P (B)

wobei P(B)>0 gelten muss. A wird hier relativ zu B betrachtet, so dass P(B|B)=1. Es ergibt sich der Multiplikationssatz P (A ∩ B) = P (A|B)P (B) = P (A)P (B|A). Sei nun ein Gen mit disponierendem Allel D und normalem Allel d urs¨achlich f¨ ur eine Krankheit K, so dass Tr¨ ager des Genotyps DD sicher erkranken und Tr¨ ager der Genotypen Dd und dd sicher nicht erkranken. Betrachten wir die gesamte Bev¨ olkerung, so k¨ onnen wir die Verteilung der Genotypen nicht ohne weiteres angeben. Betrachten wir nur die erkrankten Personen in der Bev¨ olkerung, so gilt P (DD|K) = P (DD ∩ K)/P (K) = P (K)/P (K) = 1. Ereignisse A und B heißen unabh¨angig, wenn gilt P (A ∩ B) = P (A)P (B). Dies ist der Multiplikationssatz f¨ ur unabh¨angige Ereignisse. Es folgt P (A|B) = P (A), wenn A und B unabh¨ angig sind. Beim Zusammentreffen der zwei Allele eines Kindes an einem Locus sind die paternale und maternale Meiose unabh¨ angig voneinander. Bezeichne A = “paternal wurde D geerbt“ und B = “maternal wurde D geerbt“, dann sind A und B unabh¨angig. Es gilt P (DD) = P (A)P (B). Die Genotypen verschiedener Kinder eines Paares sind ebenfalls wegen der statistisch unabh¨ angigen Ereignisse der verschiedenen elterlichen Meiosen unabh¨ angig. Implizit haben wir Mendelsche Segregation f¨ ur den Vererbungsmechanismus beim Menschen vorausgesetzt. Von den zwei Allelen eines Individuums wird jeweils ein Allel zuf¨ allig und unabh¨ angig von Vater und Mutter nach einer Bernoulliverteilung mit Wahrscheinlichkeit p = 1/2 geerbt. Das Individuum gibt eine Kopie eines seiner zwei Allele zuf¨ allig und unabh¨angig an jedes seiner Nachkommen weiter. Nach unserer Modellvorstellung sind alle Segregationsereignisse (Meiosen) von Eltern auf Kinder unabh¨angig. Die Segregation in Stammb¨ aumen impliziert, dass Kopien mancher Allele mehrfach in Nachkommen vertreten sind und andere nicht vererbt werden. Betrachten wir ein Elternpaar mit den Genotypen Dd x Dd (Ereignis E), so ist die Genotypverteilung der Kinder bedingt durch E, P(DD|E)=1/2·1/2=1/4, angig von der H¨aufigkeit von D in der P(Dd|E) = 1/2, P(dd|E) = 1/4, unabh¨ Bev¨ olkerung (s. Abb. 1.8). Die Beziehung zwischen Genotyp und Ph¨anotyp, dem beobachtbaren Merkmal, wird durch die Penetranz beschrieben. Sie ist die bedingte Wahrschein-

1.2

Wahrscheinlichkeitsrechnung und Mendelsche Segregation

Dd

31

Dd

Abbildung 1.8. Mendelsche Segregation:

DD 1/4

Dd 1/2

dd 1/4

Wahrscheinlichkeitsverteilung der Genotypen der Kinder bei einem heterozygoten Elternpaar.

lichkeit, dass eine Person mit einem bestimmten Genotyp einen Ph¨anotyp a anotyp diskret, so ist die Penetranz = P(Ph¨anotyp| Geno¨ußert. Ist der Ph¨ typ), ist er stetig, so wird die Penetranz durch eine Dichte beschrieben. Sei nun D ein Genort mit den n Allelen D1 , D2 ,..., Dn und der Ph¨anotyp sei erkrankt/nicht erkrankt. Zur Beschreibung des Genortes geh¨ort zun¨achst die Verteilung der Allelh¨ aufigkeiten pr = P (Dr ), r = 1, ..., n, in der Population. Bei mehr als zwei Allelen ist die Verteilung der Allele eine Multinomialverteilung. Die Penetranzen werden wie folgt definiert: frs = P (erkrankt|Dr Ds ) r, s = 1, ..., n. Die Allelh¨ aufigkeiten und die Penetranzen sind zusammengenommen die Parameter, die ein Gen beschreiben, das der Mendelschen Segregation folgt. Hierbei sind Parameter die Kenngr¨ oßen des Mendelschen Modells, die bei der betrachteten Krankheit mittels eines Datensatzes gesch¨atzt werden m¨ ussen (s. Abschnitt 1.4). Im klassischen monogenen Mendelschen Modell wird die Erkrankung durch ein einzelnes Gen bestimmt. Die Penetranzen nehmen nur die Werte 0 und 1 an. H¨ aufig wird angenommen, dass der Locus D biallelisch ist. Das disponierende Allel sei mit D und das normale Allel mit d bezeichnet. Damit hat ein Individuum vier m¨ ogliche geordnete Genotypen (DD, Dd, dD, dd) und drei m¨ ogliche ungeordnete Genotypen (DD, Dd, dd). Bei geordneten Genotypen wird unterschieden, ob das Allel vom Vater oder von der Mutter stammt, bei ungeordneten Genotypen nicht. Bei einer klassischen autosomal dominanten Erkrankung erkranken alle Tr¨ager des disponierenden Allels D, also fDD = fDd = fdD = 1 und fdd = 0. In Abb. 1.8 w¨ aren dann alle Personen mit schwarzem oder grauem Symbol erkrankt, die mit weißem Symbol nicht. Bei einer klassischen autosomal rezessiven Erkrankung sind nur die homozygoten DD erkrankt, also fDD =1 und fDd = fdD = fdd = 0. In Abb. 1.8 w¨ aren dann alle Personen mit schwarzen Symbolen erkrankt, die mit grauen oder weißen nicht. Bei der Beschreibung des Erbgangs wird oft angenommen, dass die Herkunft des Allels (paternal oder maternal) keine Bedeutung auf die Erkrankung hat, d.h. frs = fsr . In Erweiterung der Ausf¨ uhrungen in Abschnitt 1.1 ist ein genetischer Marker ein DNA-Abschnitt, dessen Lokalisation auf dem Chromosom bekannt ist, und der multiple Allele mit gen¨ ugender Varianz in der Verteilung aufweist

32

1. Grundlagen

(polymorph), die im Labor bestimmt werden k¨onnen. In der Genetischen Epidemiologie wird fast immer explizit oder implizit vorausgesetzt, dass der Marker der Mendelschen Segregation folgt. Die DNA-Marker sind in der Regel kodominant, d.h. jedem Genotyp entspricht ein eindeutiger Ph¨anotyp. 1.2.4 Satz von der totalen Wahrscheinlichkeit, Formel von Bayes

F¨ ur disjunkte Ereignisse A und B gilt P (A∪B) = P (A)+ P (B) (s. Abschnitt 1.2.1). F¨ ur Ereignisse im Allgemeinen gilt der Additionssatz P (A ∪ B) = P (A) + P (B) − P (A ∩ B). F¨ ur eine Zerlegung von Ω, d.h. paarweise disjunkte Teilmengen A1 ,. . . , Ak von Ω mit A1 ∪ ... ∪ Ak = Ω, gilt der Satz von der totalen Wahrscheinlichkeit: P (B) = P (B|A1 )P (A1 ) + ... + P (B|Ak )P (Ak ).

(1.1)

Dies ergibt sich aus Umformung des Additionssatzes und der Definition der bedingten Wahrscheinlichkeit. Mit Gleichung (1.1) kann man die Grundgesamtheit h¨ aufig so zerlegen, dass bedingte Wahrscheinlichkeiten berechenbar sind. Eine Anwendung ist die Pr¨avalenz P(K), d.h. die Krankheitswahrscheinlichkeit bei einer monogenen Krankheit K in der Bev¨olkerung. Sie ergibt sich durch die Zerlegung mittels Genotyph¨ aufigkeiten und Penetranzen: P (K) = P (K|DD)P (DD) + P (K|Dd)P (Dd) + P (K|dd)P (dd). (1.2) F¨ ur nicht erkrankte Personen gilt die Komplementregel: P (K) = 1 − P (K). Die Formel von Bayes (s. Blick in die Geschichte 6) verwendet den Multiplikationssatz und Gl. 1.1, um bedingte Wahrscheinlichkeiten zu berechnen, wenn man die umgekehrte Bedingung bereits kennt oder sie leichter berechnen kann. Sie lautet f¨ ur eine Zerlegung A1 , . . . , Ak und ein Ereignis B: P (A1 |B) =

P (B|A1 )P (A1 ) P (B|A1 )P (A1 ) = (1.3) P (B) P (B|A1 )P (A1 ) + ... + P (B|Ak )P (Ak )

Man kann sie z.B. verwenden, um die Wahrscheinlichkeit f¨ ur das Vorliegen des Genotyps DD einer erkrankten Person zu berechnen: P (DD|K) =

P (K|DD)P (DD) . (1.4) P (K|DD)P (DD) + P (K|Dd)P (Dd) + P (K|dd)P (dd)

F¨ ur die Herleitungen der Formeln empfehlen wir Weiß (2005), S. 110-111. In Kap. 6 werden wir zur Berechnung von Gl. 1.4 ein Tabellenschema benutzen.

1.3

Monogene und komplexe Krankheiten

33

1.3

1.3 Monogene und komplexe Krankheiten 1.3.1 Charakterisierung monogener Krankheiten

Eine Krankheit oder Eigenschaft heißt monogen oder Mendelsch, wenn ihr Auftreten durch ein Gen bestimmt wird, und wenn ihre Vererbung in Familien bestimmten Mendelschen Mustern folgt. Wir haben im letzten Abschnitt den Zusammenhang zwischen Ph¨ anotyp und Genotyp am verantwortlichen Genort durch eine bedingte Wahrscheinlichkeit, die Penetranz, eingef¨ uhrt. Die Penetranzen sind in Tab. 1.3 f¨ ur autosomale und X-chromosomale Mendelsche Erbg¨ ange zusammengestellt. Liegt das Krankheitsgen auf dem XChromosom, muss man die Penetranzen getrennt f¨ ur M¨anner und Frauen formulieren. Bei den X-chromosomalen Erbg¨ angen steht in der Tabelle der als homozygot bezeichnete Genotyp bei M¨ annern f¨ ur das jeweils einfach vorliegende Allel. (F¨ ur charakteristische Beispielstammb¨aume der hier beschriebenen Erbg¨ ange siehe Strachan und Read, 2004, S. 103.) Tabelle 1.3. Penetranzen f¨ ur Mendelsche Erbg¨ ange, D disponierendes, d normales Allel.

Erbgang

P(K|DD)

P(K|Dd)

P(K|dd)

autosomal dominant

1

1

0

autosomal rezessiv

1

0

0

Frauen

1

1

0

M¨ anner P(K|D), P(K|d)

1

X-chromosomal dominant

0

X-chromosomal rezessiv Frauen

1

M¨ anner P(K|D), P(K|d)

1

0

0 0

Monogene Krankheiten sind in der Bev¨ olkerung relativ selten, ihre Pr¨avalenz ist meist unter 1 von 1.000 Lebendgeborenen. Die Datenbank OMIM - Online Mendelian Inheritance in Man (www3.ncbi.nlm.nih.gov/Omim/) liefert Zugang zu bekannten monogenen Krankheiten und Merkmalen. Sie wurde 1995 in Baltimore von dem Humangenetiker Victor A. McKusik eingerichtet und enth¨ alt einen st¨ andig aktualisierten Katalog monogener bzw. vermutlich monogener Krankheiten und Merkmale mit genauen Beschreibungen und Literaturhinweisen.

34

1. Grundlagen

1.3.1.1 Autosomal dominant

Bei einer autosomal dominanten Krankheit gibt es Erkrankte beider Ge¨ schlechter, und die Ubertragung kann u ¨ ber beide Geschlechter geschehen. Ist ein krankes Elternteil heterozygot am Krankheitsgen, wird das Krankheitsallel mit Wahrscheinlichkeit 1/2 an ein Kind weitergegeben. Daher erwarten wir bei seltenen Krankheiten, dass etwa die H¨ alfte der Kinder eines betroffenen Elternteils wieder krank ist. Ein Beispiel ist die neurodegenerative Krankheit Chorea Huntington, die mit einer H¨ aufigkeit von etwa 1/10.000 Lebendgeburten vorkommt. Sie wurde nach George Huntington benannt, der 1872 erstmalig eine Familie ausf¨ uhrlich beschrieb. Das Manifestationsalter schwankt um einen Mittelwert von etwa 45 Jahren und kann selbst innerhalb einer Familie unterschiedlich sein. Das Gen, das bei der Chorea Huntington ver¨andert ist, liegt auf dem kurzen Arm von Chromosom 4 und tr¨agt die Bauanleitung f¨ ur das Protein “Huntingtin“. Das Huntingtin-Gen enth¨alt einen repetitiven Trinukleotidblock im kodierenden Bereich, das Prinzip beschreiben wir sp¨ater. 1.3.1.2 Autosomal rezessiv

Bei einer autosomal rezessiven Krankheit haben Betroffene meist keine betroffenen Eltern. Verwandtenehen sind relativ h¨aufig, beide Geschlechter haben die Krankheit. Man geht davon aus, dass beide Eltern eines betroffenen Kindes heterozygot am Krankheitsgenort sind. Daher erben weitere Kinder mit der Wahrscheinlichkeit 1/4 von beiden Eltern ein Krankheitsallel. In Mitteleuropa ist die Mukoviszidose (auch Zystische Fibrose) mit einer Inzidenz von etwa 1/2.500 - 1/2.000 Neugeborenen die h¨aufigste rezessive Erkrankung. Die Krankheit manifestiert sich meist im fr¨ uhen S¨auglingsalter und ist durch fortschreitende pulmonale und intestinale Symptome gekennzeichnet. Das CF-Gen liegt auf dem langen Arm von Chromosom 7. Es sind u ¨ ber 1.300 verschiedene Krankheitsallele bekannt, die unterschiedliche H¨aufigkeiten in den einzelnen Regionen der Welt aufweisen. In Deutschland tragen 60% der Kranken zwei gleiche Allele mit einer 3bp Deletion in Exon 10 (historisch bezeichnet als ∆F508, ∆ steht f¨ ur Deletion, F f¨ ur die deletierte Aminos¨aure und 508 f¨ ur das dazugeh¨ orige Codon), 35% tragen ∆F508 und eine andere Krankheitsmutation und 5% haben kein ∆F508. 1.3.1.3 X-chromosomal rezessiv

Bei X-chromosomal rezessiven Krankheiten gibt es vorwiegend m¨annliche Betroffene, da sie nur ein Allel am Krankheitsgenort haben. Ihre Eltern sind ¨ meist unauff¨ allig, es gibt keine Ubertragung von V¨atern auf S¨ohne, nur auf T¨ochter. Frauen mit einem normalen und einem disponierenden Allel sind ¨ meist unauff¨ allig, man nennt sie Ubertr¨ agerinnen. Ihre Kinder erben das Krankheitsallel mit der Wahrscheinlichkeit 1/2 .

1.3

Monogene und komplexe Krankheiten

35

Beispiele sind die Muskeldystrophien vom Typ Duchenne und vom Typ Becker. Die Duchennesche Muskeldystrophie (DMD) ist die h¨aufigste Form der Muskeldystrophien und zugleich die h¨ aufigste unter den X-chromosomalen, genetisch letalen (Betroffene haben keine Kinder) Krankheiten. Die progrediente Krankheit manifestiert sich in den ersten Lebensjahren durch Probleme beim Laufen. Sp¨ atestens ab dem Alter von 9-11 Jahren sind die Patienten rollstuhlabh¨ angig, sie sterben meist vor Erreichen des 20. Lebensjahres. Leider beschr¨ ankt sich die Therapie noch auf die Behandlung der Symptome. Die Inzidenz unter m¨ annlichen Neugeborenen betr¨agt etwa 3/10.000. Die milder verlaufende Muskeldystrophie vom Typ Becker (BMD) tritt seltener auf. Ihre Inzidenz unter m¨annlichen Neugeborenen betr¨agt etwa 5,4/100.000. DMD und BMD werden durch Mutationen im Dystrophingen verursacht. Es liegt auf Xp21 und ist mit etwa 2.400 kbp das gr¨oßte menschliche Gen. Die genetische Gr¨ oße des Dystrophingens betr¨agt etwa 8 cM, es finden also relativ h¨ aufig innerhalb des Gens Rekombinationen statt. Das Genprodukt Dystrophin wird bei gesunden Menschen haupts¨achlich in glatten Muskeln exprimiert, bei DMD Patienten ist es nicht vorhanden oder nicht funktionell, und bei BMD Patienten vermutlich teilfunktionell. 1.3.1.4 X-chromosomal dominant

Bei X-chromosomal dominanten Krankheiten sind beide Geschlechter betroffen. T¨ ochter betroffener M¨ anner erben alle das Krankheitsallel von ihrem Vater und erkranken. Die S¨ ohne k¨ onnen das Krankheitsallel nur von ihrer Mutter aber nicht von ihrem Vater erben. Krankheiten dieses Typs sind selten. Ein Beispiel ist die Vitamin-D-resistente Rachitis mit Hypophosphat¨ amie, charakterisiert durch rachitische Skelettver¨ anderungen, Beindeformationen und h¨ aufig auch gest¨orte Zahnentwicklung. Frauen mit einem Krankheitsallel sind h¨aufig weniger stark betroffen als M¨ anner. Das Gen liegt auf dem kurzen Arm des X-Chromosoms. 1.3.1.5 Pseudoautosomal, Y-chromosomal

Wenn das verantwortliche Gen in der ersten pseudoautosomalen Region liegt, kann das Vererbungsmuster in einzelnen Familien aussehen wie eine autosomale Vererbung oder wie geschlechtsgebundene Vererbung, je nachdem, wie nahe der Genort an der Grenze zum geschlechtsspezifischen Bereich liegt. Monogene Krankheiten, deren verantwortliches Gen in den pseudoautosomalen Regionen liegt, sind selten, denn diese Region ist sehr klein (2,6 Mbp), sie enth¨ alt etwa 24 Gene (Blaschke und Rappold 2006), darunter das SHOX-Gen, das bei manchen Familien f¨ ur Kleinwuchs verantwortlich ist. Y-chromosomale, monogene Krankheiten k¨ onnen nur u ¨ ber die V¨ater vererbt werden und nur die S¨ ohne betreffen. Y-chromosomale Mendelsche Krankhei-

36

1. Grundlagen

ten sind nicht bekannt. Es gibt zwar einige Gene auf dem Y-Chromosom, Defekte f¨ uhren aber in der Regel zur Infertilit¨ at. 1.3.1.6 Kodominant

Ein kodominanter Erbgang liegt vor, wenn jedem Genotyp genau ein Ph¨anotyp zugeordnet werden kann. Er ist f¨ ur genetische Marker wichtig, hier entspricht der gemessene Genotyp dem Markerph¨ anotyp, der nat¨ urlich vom wahren Markergenotyp abh¨ angt. 1.3.1.7 Erg¨ anzendes

Das klinische Bild ergibt sich bei Heterozygoten aus dem Zusammenspiel der Genprodukte der beiden unterschiedlichen Allele. In manchen F¨allen ist der vollst¨ andige Verlust der Funktion eines Allels klinisch weniger problematisch als die Produktion eines ver¨ anderten Proteins, das z.B. negative Wechselwirkungen mit anderen Proteinen eingeht. Ein solcher Effekt heißt dominant negativ. Man spricht von Haploinsuffizienz, wenn durch das Vorliegen eines Krankheitsallels nur noch vom normalen Allel aus Protein produziert wird und so zu wenig Protein vorliegt, es entsteht ein klinischer Effekt. Wir sind bisher davon ausgegangen, dass der Ph¨anotyp dichotom ist. Ein quantitativer (d.h. stetiger) Ph¨ anotyp kann ebenfalls durch ein einzelnes Gen bestimmt werden und die oben beschriebenen Erbg¨ange aufweisen (s. Abschnitt 3.4.3, Abb. 3.4). Sie sind h¨ aufig kodominant, d.h. verschiedene Genotypen f¨ uhren zu verschiedenen Penetranzen (Penetranzdichten). Ob im konkreten Fall ein monogener Erbgang vorliegt und welcher, l¨asst sich nicht anhand einzelner Stammb¨ aume kl¨ aren. Eine solche Untersuchung ist Gegenstand von Segregationsanalysen (s. Kap. 3). 1.3.2 Abweichungen vom einfachen Modell der Mendelschen Segregation

Obwohl das Modell der Mendelschen Segregation zur ersten Beschreibung genetischer Krankheiten sehr n¨ utzlich ist, folgen monogene Krankheiten fast nie dem klassischen Modell. Wichtige Ph¨ anomene besprechen wir nun einzeln. Man spricht von reduzierter oder unvollst¨andiger Penetranz, wenn Personen die Erkrankung nicht bekommen, obwohl ein disponierender Genotyp vorliegt. Ein Beispiel ist die Spalthandfehlbildung, eine autosomal dominante Krankheit, bei der in betroffenen Familien manchmal eine Generation u ¨bersprungen wird. Die Ursachen f¨ ur reduzierte Penetranz sind meist unklar. Sie beschreibt die zusammengefassten Einfl¨ usse protektiver genetischer und nichtgenetischer Faktoren. F¨ ur die Penetranzen disponierender Genotypen, ur autosomal dominant, l¨ asst man im Modell f≤1 zu. Bei hier fDD und fDd f¨ dominanten Krankheiten sind die Heterozygoten oft weniger schwer betroffen als Tr¨ ager zweier Krankheitsallele.

1.3

Monogene und komplexe Krankheiten

37

Tabelle 1.4. Altersabh¨ angige kumulative Penetranz f¨ ur Alleltr¨ ager bei Chorea Huntington

(Newcombe 1981).

Alter t

P(K|T≤t)

15

20

25

0,01

0,02 0,05

30

35

40

45

50

55

60

65

70

0,10

0,20

0,30

0,35

0,50

0,65

0,75

0,85

0,95

Eine besondere Form reduzierter Penetranz liegt vor, wenn die Krankheitswahrscheinlichkeit bei vorliegendem Risikogenotyp vom Alter abh¨angt, wie beispielsweise bei Chorea Huntington (s. Tab. 1.4). Die kumulative Penetranz P(K|T ≤ t) ist die Wahrscheinlichkeit bei vorliegendem Genotyp bis zu einem Alter T=t die Krankheit K zu bekommen. Das Alter bei Krankheitsentstehung (age of onset) spielt bei sehr vielen Krankheiten eine wichtige Rolle. Wir sprechen von Ph¨anokopien, wenn eine Person am Krankheitsgen keinen Risikogenotyp tr¨agt, aber trotzdem den Krankheitsph¨anotyp zeigt. Bei einer autosomal dominanten Krankheit gilt dann fdd >0. Ein Beispiel ist die Thalidomid-Embryopathie, ein exogen bedingter Fehlbildungskomplex. Sie a ¨hnelt dem Holt-Oram-Syndrom, einer autosomal dominanten Krankheit mit Extremit¨ atenfehlbildungen und angeborenem Herzfehler. Die Auspr¨ agung mancher Krankheiten h¨ angt davon ab, ob das Risikoallel von Mutter oder Vater ererbt wurde. Dieser Effekt wird durch Imprinting (genomic imprinting, genetische Pr¨agung) erzeugt. Es liegt in einer genetischen Region zum Beispiel vollst¨ andiges maternales Imprinting vor, wenn die Expression an dieser Stelle bei dem maternal vererbten St¨ uck unterdr¨ uckt ist. Wird also eine Deletion u ¨ ber die Mutter vererbt und ein normales Allel u ¨ber den Vater, so bricht die Krankheit nicht aus. Wird umgekehrt das funktionelle Allel u uckt und ¨ber die Mutter vererbt und daher die Expression unterdr¨ das deletierte Allel u ¨ ber den Vater, so bricht die Krankheit beim Kind aus. Imprinting f¨ uhrt zu den bekannten Krankheitsbildern Prader-Willi-Syndrom und Angelman-Syndrom. Hier liegt in der verantwortlichen genetischen Region auf Chromosom 15 zum Teil maternales und zum Teil paternales Imprinting vor. Eine relativ h¨ aufig vorkommende Deletion u ¨ berdeckt diesen Bereich. Je nachdem, ob nun das funktionelle Allel u ¨ ber den Vater oder die Mutter vererbt wird, entsteht ein jeweils anderes, nicht voll funktionelles Protein und f¨ uhrt zu den verschiedenen Krankheitsbildern, obwohl sie im Grund durch dieselbe Mutation veranlasst werden. Im Modell unterscheidet man dann, von welchem Elternteil das Risikoallel ererbt wurde, und es gilt fDd = fdD . F¨ ur Charakteristika der Penetranzen s. Tab. 1.5. Oft werden Krankheiten von verschiedenen Allelen eines Gens verursacht. Diese allelische Heterogenit¨at ist eher die Regel als die Ausnahme und plausibel f¨ ur wiederholte Mutationsereignisse in der Geschichte. So sind bei der

38

1. Grundlagen

Tabelle 1.5. Penetranzen f¨ ur ein autosomales Gen mit zwei Allelen, D disponierendes, d

normales Allel.

Penetranz

Beschreibung

fdd

> 0

Ph¨ anokopien

fDD

= fDd < 1

reduzierte Penetranz bei einer autosomal dominanten Krankheit

fDD

> fDd

geringere Penetranz unter den heterozygoten Tr¨ agern

weibl m¨ annl = fDd fDd

fDd

geschlechtsspezifische Penetranzen

= fdD

0 ≤ fDD ≤ fDd , fdD ≤ f

Imprinting dd

≤1

Penetranzen biologisch plausibel

Mukoviszidose u ¨ber 1.000 verschiedene Risikoallele bekannt, deren Verteilung in einzelnen Populationen durch ihre spezifische Populationsgeschichte sehr unterschiedlich ist. Duchennesche Muskeldystrophie kann durch Deletionen oder Punktmutationen hervorgerufen werden, u ¨ber 600 verschiedene Varianten sind inzwischen bekannt. Bei rezessiven Krankheiten nennt man eine Person compound heterozygot, wenn sie zwei verschiedene Risikoallele tr¨agt. Locusheterogenit¨at tritt auf, wenn dieselbe Krankheit in verschiedenen Familien durch verschiedene Gene verursacht wird, in einer einzelnen Familie aber nur durch ein Gen. Sie liegt z.B. bei tuber¨ oser Hirnsklerose vor, einer neurokutanen Dysplasie im Kindesalter mit typischen Hautver¨anderungen (u.a. Angiofibromen), epileptischen Anf¨ allen und mentaler Retardierung. Zus¨atzlich k¨ onnen L¨ asionen in Netzhaut, Niere, Skelett und Herz auftreten. F¨ ur diese monogene, autosomal dominant vererbte Krankheit ist entweder das Gen TSC1 auf Chromosom 9 oder TSC2 auf Chromosom 16 verantwortlich. Locusheterogenit¨ at ist f¨ ur Studien der Genetischen Epidemiologie sehr wichtig, da sie die Wahrscheinlichkeit erheblich reduziert, die Effekte einzelner Gene zu entdecken. Wir werden sp¨ ater darauf zur¨ uckkommen. Variable Expressivit¨at liegt bei einer monogenen Krankheit vor, wenn ein Krankheitsgenotyp (m¨ oglicherweise sogar innerhalb einer Familie) zu verschiedenen klinischen Erscheinungsbildern f¨ uhren kann. Bei der tuber¨osen Hirnsklerose k¨ onnen Tr¨ ager der gleichen Krankheitsmutation ein unterschiedliches Spektrum von Symptomen aufweisen. F¨ ur verschiedene autosomal dominante und X-chromosomal rezessive Krankheiten wie Duchennesche Muskeldystrophie, H¨amophilie A und B, oder Osteogenesis imperfecta sind Hinweise auf Keimzellmosaike gefunden worden (Zlotogora 1998). Keimzellmosaik bedeutet, dass ein Anteil g der Gameten derselben großelterlichen Herkunft eine Krankheitsmutation tr¨agt, ein An-

1.3

Monogene und komplexe Krankheiten

39

teil 1 − g nicht. Die Entstehung der Keimzellmosaike kann man sich anhand eines X-chromosomalen Gens bei einem Mann wie folgt verdeutlichen. In der Embryogenese eines Mannes nach der Differenzierung der ersten Keimzelle kann es bei einer der Tochterzellen w¨ ahrend der Replikation zu einer Punktmutation im Dystrophin-Gen kommen. Daraus folgt, dass ein Anteil g der X-Gameten dieses Mannes die Mutation hat und ein anderer Teil nicht. g h¨angt davon ab, wie fr¨ uh in der Keimzellentwickung die Mutation aufgetreten ist. T¨ ochter dieses Mannes erben das Krankheitsallel mit Wahrscheinlichkeit 1/2 g, also mit einer kleineren Wahrscheinlichkeit als unter Annahme Mendelscher Segregation, aber mit einer gr¨ oßeren Wahrscheinlichkeit als man es bei einer Neumutation erwarten w¨ urde. Bei X-chromosomalen Krankheiten spielt die X-Inaktivierung bei Frauen eine Rolle. Man geht nach der Lyon-Hypothese (s. Tariverdian und Buselmaier 2004, S. 115-117) davon aus, dass bei Frauen in jeder K¨orperzelle eines der beiden X-Chromosomen durch einen Zufallsprozess in der fr¨ uhen Embryonalentwicklung inaktiviert wird. Das Inaktivierungsmuster wird an die jeweiligen Tochterzellen vererbt. Es kann bewirken, dass eine Frau, die f¨ ur eine monogene X-chromosomal rezessive Krankheit heterozygot ist, trotzdem krank wird, weil vorwiegend normale Allele inaktiviert und disponierende Allele aktiv ¨ sind. Daher findet man bei manchen DMD-Ubertr¨ agerinnen sowohl dystrophische Muskelbezirke als auch solche mit normaler Struktur. Es gibt einen Fall monozygoter weiblicher Zwillinge, von denen eine Schwester DMD hatte, die andere nicht (Abbadi et al. 1994). Antizipation liegt vor, wenn die Schwere einer Krankheit von Generation zu Generation w¨ achst. W¨ ahrend urspr¨ unglich oft ein Befragungsbias vermutet wurde, sind heute mehrere Krankheiten mit Antizipation bekannt. Es liegen expandierende Trinukleotidrepeats im verantwortlichen Gen vor, deren Anzahl von Generation zu Generation wachsen kann. Das Huntingtin-Gen umfasst einen CAG-Repeat vor, der bis zu 36 Repeats bei Gesunden und mehr als 37 Repeats bei Chorea Huntington Patienten aufweist. Die Schwere der Krankheit steigt und das Ersterkrankungsalter f¨ allt mit wachsender Repeatzahl. Oft ver¨ andert genaueres Wissen u ¨ ber die genetischen Zusammenh¨ange die Krankheitsdefinition. Bei Locusheterogenit¨ at kann zum Beispiel an einem Genort ein autosomal rezessiver Erbgang, an einem anderen ein autosomal dominanter Erbgang vorliegen. Durch geeignete Homogenisierung werden Subtypen definiert, die dann ein m¨ oglichst klares monogenes Vererbungsmuster zeigen. Ein historisches Beispiel daf¨ ur ist die Klassifikation der Muskeldystrophien durch Emil Becker (s. Blick in die Geschichte Kap. 1).

40

1. Grundlagen

Blick in die Geschichte 1: Peter Emil Becker (1908-2000) (Becker 1985; Vogel 1985) Peter Emil Becker war Neurologe und Psychiater und hatte von 1957 bis 1975 den Lehrstuhl f¨ ur Menschliche Erblehre, sp¨ater umbenannt in Humangenetik, in G¨ottingen inne. Er gr¨ undete die Zeitschrift Human Genetics und verfasste das Werk Humangene” tik, ein kurzes Handbuch in 5 B¨anden “, das u ¨ ber 5000 Seiten umfasst. Becker hatte sich als Sch¨ uler in Hamburg zun¨achst sehr f¨ ur Geschichte und Geologie interessiert, entschied sich dann aber f¨ ur das Medizinstudium. Er war fasziniert von den Kunstwerken psychiatrisch Kranker und promovierte u ¨ ber allgemeine Prinzipien bei den Werken Schizophrener. Mitte der 30er Jahre wandte er sich der Humangenetik zu. Becker wurde besonders durch seine Erforschung der erblich bedingten Muskeldystrophien bekannt. Auf einer Reise nach Indonesien hatte er in einem Lehrbuch ein Kapitel u ¨ber Muskeldystrophien gelesen, das ihm sehr konfus vorkam. Daher begann er 1938 in Freiburg, eine neue Ordnungsstruktur f¨ ur die Muskeldystrophien zu entwickeln. Er ver¨ offentlichte eine der ersten Sch¨atzungen der Neumutationsrate f¨ ur Duchennesche Muskeldystrophie. Seine umfassende Erhebung aller Patienten und Familien in S¨ udbaden gilt als eine der ersten genetisch-epidemiologischen Untersuchungen in Deutschland. Aufgrund dieser und sp¨ aterer Analysen f¨ uhrte er eine Klassifikation der Muskeldystrophien anhand klinischer Merkmale und Vererbungsmuster ein, die im Wesentlichen durch molekulargenetische Methoden best¨ atigt wurde. Sie besitzt heute noch G¨ ultigkeit. Beckers Klassifikation der h¨ aufigeren Muskeldystrophien (nach Vogel 1985): X-chromosomal: - Typ Duchenne (fr¨ uh manifestierend) - Typ Becker-Kiener (sp¨ at manifestierend, heute Typ Becker) Autosomal rezessiv: Gliederg¨ urtel Autosomal dominant: Gliederg¨ urtel mit variabler Expressivit¨at Nichtgenetische Formen Nach seiner Emeritierung 1975 wandte sich Becker intensiv einem sehr wichtigen Thema zu, das u ¨ ber die Humangenetik hinaus von historischer Bedeutung ist. Er bearbeitete die historische Entwicklung, die zu den Gr¨aueltaten in der Nazizeit f¨ uhrte und publizierte dar¨ uber zwei B¨ ucher “Zur Geschichte der Rassenhygiene“ und “Wege ins Dritte Reich“ (Becker 1988, Becker 1990).

1.3

Monogene und komplexe Krankheiten

41

1.3.3 Stammb¨ aume und Programme

Die Stammbaumzeichnung ist ein wichtiges Werkzeug f¨ ur Familienstudien und f¨ ur die genetische Beratung. Sie geh¨ ort zur ausf¨ uhrlichen Familienanamnese. Bei Studien mit Mehrgenerationenfamilien nutzt man die gezeichneten ¨ Stammb¨ aume um einen Uberblick zu erhalten und zur Pr¨asentation. Zur Analyse der Familienstudien m¨ ussen die Stammbaumdaten in bestimmten Formaten in Dateien eingegeben werden, dabei erm¨oglicht das Zeichnen der eingegebenen Stammb¨ aume eine direkte Qualit¨atskontrolle. A

B

Abbildung 1.9. A: Kernfamilie: Eltern mit

drei Kindern, B: Verwandtenehe mit zwei Kindern.

Eine Kernfamilie (nuclear family, s. Abb. 1.9.A) besteht aus Eltern und Kindern. Wenn die Partner verwandt sind, verwendet man als Verbindungslinie einen Doppelstrich (s. Abb. 1.9.B). Eine Kernfamilie mit einem Kind wird auch als Trio (triad) bezeichnet. Die am h¨ aufigsten verwendeten Personensymbole sind in Abb. 1.10 zusammengestellt. Die Notation folgt den Empfehlungen aus Bennett et al. (1995). Bei Betrachtung mehrerer Krankheiten teilt man das Personensymbol in entsprechend viele Segmente und verwendet verschiedene Muster. In der genetischen Beratung zeigt ein Pfeil an, f¨ ur wen genetische Beratung gesucht wird. Bei Familienstudien kennzeichnet ein Pfeil oder ein P (oder beides) den Probanden (auch Indexpatient genannt). Das ist die kranke Person, durch die diese Familie in die Studie gekommen ist. Alle Personen im Stammbaum, deren Eltern nicht aufgef¨ uhrt sind, heißen Gr¨ under (founder), die anderen NichtGr¨ under (non founder). Familien sind zusammenh¨angend, denn die Individuen sind entweder Eltern oder Kinder. Eine Ausnahme gibt es in der genetischen Beratung bei Paaren mit Kinderwunsch. Hier zeichnet man beide Partner in den Stammbaum, auch wenn sie noch keine gemeinsamen Verwandten im Stammbaum haben. Formal geh¨ oren sie nicht zu einem Stammbaum, sie erzeugen Fehler bei Verfahren und Programmen, die auf Familienstichproben basieren. Wenn einzelne Personen eines Stammbaums im Text benannt werden m¨ ussen, nummerieren wir Generationen mit großen r¨omischen Zahlen, und Personen innerhalb einer Generation mit arabischen Zahlen. Auch fortlaufende Nummern u ¨ ber Generationen hinweg sind u ¨ blich. Personennummern stehen oberhalb des Personensymbols. Zus¨atzliche Informationen wie z.B. Alter oder Markergenotypen werden unter die Personensymbole geschrieben. Sind mehrere Marker auf einem Chromosom genotypisiert, werden die

42

1. Grundlagen

Männlich

Ehepartner

Weiblich

Verwandtenehe

Geschlecht unbekannt

Kinderlos

Patient/Betroffener

Infertil/unfruchtbar

Obligate Überträgerin

Partner getrennt

35jähriger Mann

35 J.

geb.1925

Geboren 1925

5

N

5 Söhne, unbekannte Zahl von Töchtern

Verstorben (mit 69 Jahren)

69 J.

Indexpatientin/Ratsuchende

Zweieiige Zwillinge

Fehlgeburt Induzierter Abort S

Eineiige Zwillinge

Aktuelle Schwangerschaft (S)

Abbildung 1.10. Symbole zur Darstellung von Familienstammb¨ aumen.

1

I

2

1

II 12 12

2 13 34

1

III 13 23

2 11 24

Abbildung 1.11. Mehrgenerationenfamilie mit Genotypen

und Haplotypen.

Genotypen untereinander angeordnet, wie bei Person II.1 in Abb. 1.11. Wenn die elterliche Herkunft der Allele unbekannt ist, notiert man im Genotyp das Allel mit der kleineren Nummer zuerst. In Abb. 1.11 sind bei III.1 und III.2 die Haplotypen bekannt, wir markieren sie durch einen senkrechten Strich, wobei hier der v¨aterliche Haplotyp auf der linken und der m¨ utterliche Haplotyp auf der rechten Seite steht. Zum Abschluss kommentieren wir einige Stammbaumzeichenprogramme.

1.3

Monogene und komplexe Krankheiten

43

Wpeddraw ist die Windowsoberfl¨ ache f¨ ur das DOS Programm Peddraw. Es wurde entwickelt, um Stammbaumdateien zeichnen zu k¨onnen, die im Linkage-Format vorliegen, und ist frei verf¨ ugbar, www.mds.qmw.ac.uk /statgen/dcurtis/software.html. Ped ist ein Windowsprogramm mit graphischer Eingabe des Stammbaums. In Version 5 k¨ onnen Dateien im Linkage-Format gelesen und ausgegeben werden. Es ist gegen eine geringe Geb¨ uhr erh¨altlich, www.medgen.de/ped5/ index.html. Cyrillic ist ein kommerzielles Windowsprogramm mit Stammbaum-Datenbank und Stammbaumzeichenprogramm. Verschiedene Eingabeformate sind lesbar und k¨ onnen erzeugt werden. Risikoberechnungen in Familien werden unterst¨ utzt, www.cyrillicsoftware.com/. Progeny ist ein kommerzielles Datenbanksystem f¨ ur Stammbaumdaten, Labordaten und klinische Daten. Es enth¨ alt ein Stammbaumzeichenprogramm. Die Datenbank und Eingabemasken k¨ onnen flexibel konfiguriert werden, es kann f¨ ur die Unterst¨ utzung von Laborprozessen benutzt werden. Kopplungsuntersuchungen k¨ onnen vorbereitet und deren Ergebnisse verwaltet werden, www.progeny2000.com/overview.html. 1.3.4 Komplexe Krankheiten

Komplexe oder multifaktorielle Krankheiten (z.B. Diabetes, Asthma, Alkoholismus, Brustkrebs) erfordern gegen¨ uber monogenen Krankheiten verfeinerte Analysemethoden. Monogene Krankheiten werden in der Regel durch ein einzelnes Krankheitsgen verursacht, das entsprechend den Mendelschen Gesetzen segregiert. Bei komplexen Krankheiten k¨onnen parallel sowohl Mendelsche Unterformen (z.B. das Gen BRCA1 beim Brustkrebs) als auch genetische und nichtgenetische Faktoren zur Modifizierung des Krankheitsrisikos beisteuern. Bei komplexen Erkrankungen bestimmt der Genotyp den Ph¨anotyp nicht sehr gut, d.h. die Penetranzen sind im Allgemeinen nicht durch die Werte Null und Eins, sondern durch stark unvollst¨andige Penetranzen, hohe Ph¨ anokopieraten und mehrere Risikofaktoren gepr¨agt. Die unklare Genotyp-Ph¨ anotyp-Beziehung und auch das Zusammenspiel mehrerer genetischer und nichtgenetischer Faktoren werden beide als unabh¨angige Definitionen f¨ ur den Begriff komplexe Erkrankung verwendet, wobei die letztere im Begriff multifaktoriell direkt zum Ausdruck kommt. Komplexe Krankheiten sind h¨ aufig Krankheiten, die eine hohe Pr¨avalenz in der Bev¨olkerung haben. Viele Volkskrankheiten (Krebs, Herz-Kreislauf-Erkrankungen, psychiatrische Erkrankungen) fallen darunter. Daher hat ihre Erforschung eine sehr hohe Bedeutung f¨ ur das ¨ offentliche Gesundheitswesen. Bei diesen Krankheiten kann man in der Regel davon ausgehen, dass nicht nur genetische und nichtgenetische Faktoren beteiligt sind, sondern das auch die In-

44

1. Grundlagen

teraktion zwischen den Faktoren eine wichtige Rolle spielt. Hier sind also Gen-Gen-Interaktionen und Gen-Umwelt-Interaktionen (z.B. Asthma, disponierendes Gen, Kontakt zu Anfall ausl¨ osender allergischer Substanz) bedeutend. Verwendet man das Modell der Mendelschen Segregation f¨ ur nur ein Krankheitsgen, so werden beispielsweise Personen, die aufgrund einer direkten Umwelteinwirkung oder eines disponierenden Genotyps an einem zweiten nicht analysierten Genort urs¨ achlich erkrankt sind, als Ph¨anokopie f¨ ur dieses Krankheitsgen aufgefasst. Dies f¨ uhrt dann zu einer generellen Erh¨ohung der Ph¨ anokopierate. Allele k¨ onnen auch protektiv sein. Und auch erniedrigte Penetranzen lassen sich mit Gen-Gen- bzw. Gen-Umwelt-Interaktionen erkl¨aren. Beispielsweise reagieren Personen mit einem defekten Allel des Aldehyddehydrogenase-Gens ¨ mit Gesichtsr¨ otung und anderen physischen Symptomen wie Ubelkeit, so dass sie wegen der Unannehmlichkeiten in der Regel auf den Alkoholkonsum verzichten und so wegen des fehlenden Umweltfaktors keine Alkoholiker mehr werden k¨ onnen. Nebenbei bemerkt entsteht ein Kater, wenn nicht gen¨ ugend Aldehyddehydrogenase produziert werden konnte, um sch¨adliche Zwischenprodukte abzubauen. Eine Krankheit oder ein Merkmal ist durch den Ph¨anotyp charakterisiert, also wahrnehmbare oder messbare Eigenschaften. Die Definition des Ph¨anotyps gestaltet sich bei komplexen Krankheiten h¨aufig sehr schwierig und umfangreich. Unterscheiden kann man beispielsweise zwischen einem klinischen Ph¨ anotyp, intermedi¨ aren Ph¨ anotypen, und Endoph¨anotypen. Der klinische Ph¨anotyp, der die Diagnose zu einer Krankheit ausmacht, muss nat¨ urlich analysiert werden. Zus¨ atzlich werden h¨aufig hierzu stark korrelierte Ph¨ anotypen (Allergien zu Asthma) sowie intermedi¨are Ph¨anotypen (bronchiale Hyperreaktivit¨ at (BHR) als m¨ ogliche Vorstufe zu Asthma) bzw. Endoph¨ anotypen betrachtet. Beispiele f¨ ur Endoph¨anotypen sind die Immunoglobulin E (IgE)-Messungen bei Allergie, Gehirnmessungen bei psychiatrischen Krankheiten, der oral glucose tolerance test (OGTT)-Test bei Diabetes, die Zahl der P¨ archenegel-(Schistosoma)-Eier bei einer Infektion mit Schistosomiasis (auch Bilharziose genannt) durch Kontakt mit kontaminiertem Wasser. anotypen sind vom Auge nicht direkt beobachtbare, messbare KomEndoph¨ ponenten, die auf dem Weg (pathway) zwischen Krankheit und dem Genotyp anotypen auch sogenannte Scores beanzusiedeln sind. H¨aufig werden als Ph¨ trachtet, bei denen f¨ ur verschiedene Sachverhalte Punkte vergeben werden, z.B. bei psychiatrischen Frageb¨ ogen. Beispielsweise wird beim Minimental State Examination Test (MMSE), einer schnell durchf¨ uhrbaren Erhebung zur Demenzerkennung, in der Regel ein Grenzwert von weniger als 24 Punkten f¨ ur Demenz angesetzt. Hier spricht man von einem Schwellenwert.

1.3

Monogene und komplexe Krankheiten

45

Beim klinischen Ph¨ anotyp m¨ ussen die diagnostischen Kriterien spezifiziert und standardisiert angewendet werden. Hierbei kann es auch zu einer beachtlichen Zahl Missklassifikationen kommen wie z.B. bei der Alzheimerschen Krankheit, bei der die Diagnose erst nach dem Tod definitiv m¨oglich ist, und beim Alkoholismus, bei dem die Fragebogenangaben der Probanden nicht immer wahrheitsgem¨ aß sind. Zahlreiche komplexe Erkrankungen zeigen auch eine große ph¨ anotypische Variation. Diese kann beispielsweise durch den Schweregrad charakterisiert werden und kann auch durch verschiedene Grunderkrankungen verursacht werden. Dies gilt auch f¨ ur die oben erw¨ahnte Muskeldystrophie. Ein Beispiel f¨ ur ph¨ anotypische Variation bei komplexen Krankheiten sind bipolare Erkrankungen, bei denen zwischen bipolar mit verschiedenem Schweregrad (also manisch-depressiven) und unipolar (nur depressive) und weiteren Klassifikationen unterschieden wird. Auf die verschiedenen Facetten genetischer Heterogenit¨ at wurde bereits bei den monogenen Krankheiten (s. Abschnitt 1.3.2) ausf¨ uhrlich eingegangen. Genetische Heterogenit¨at ist jedoch ein sehr bedeutendes Problem f¨ ur multifaktorielle Krankheiten. Sie wird eigentlich auch immer dann - zu Recht oder zu Unrecht - als Ursache genannt, wenn Resultate nicht repliziert werden. H¨ aufig f¨ uhrten genetisch-epidemiologische Studien dann zum Erfolg, wenn i) der Ph¨ anotyp/die Diagnose sehr sorgf¨ altig gestellt war und ii) homogene Subgruppen gebildet werden konnten, die zu einer klareren Genotyp-Ph¨anotypBeziehung f¨ uhrten. Homogene Subgruppen k¨ onnen nach vielen Kriterien gebildet werden. Direkt an der Diagnose orientiert sind die Definition eines Syndroms (z.B. Lynch Syndrom, auch bekannt als heredit¨ares nicht-polyp¨oses Kolonkarzinom, kurz HNPCC) und die Definition des klinischen Ph¨anotyps (z.B. MODY als Diabetes-Subform, maturity onset diabetes of the young, juveniler Typ II). Als besonders n¨ utzlich haben sich in zahlreichen Studien das Alter bei Krankheitsbeginn (z.B. Alzheimersche Krankheit, Unterscheidung zwischen fr¨ uhem und sp¨ atem Krankheitsbeginn), die Familiengeschichte (z.B. HNPCC) oder die Betrachtung ethnischer Gruppen (z.B. Pima-Indianer mit sehr hoher Pr¨ avalenz der Diabetes) erwiesen. Der Schweregrad der Erkrankung (z.B. bipolare Krankheit) gilt auch als ein wichtiges Kriterium zur Homogenisierung. Es muss allerdings darauf hingewiesen werden, dass der Schweregrad auch durch verschiedene Genotypen an einem Genort mitbestimmt werden kann. Auf das Beispiel Brustkrebs, bei dem heute gleichzeitig mit den Kriterien klinischer Ph¨ anotyp (z.B. gleichzeitiges Auftreten von Brust- und Eierstockkrebs, Auftreten von m¨ annlichem Brustkrebs), Alter bei Krankheitsbeginn (Diagnose vor 50 Jahren) und Familiengeschichte (mindestens drei Betroffene) gearbeitet wird, wird im Verlauf des Buches noch ausf¨ uhrlich eingegangen.

46

1. Grundlagen

Manchmal lassen sich durch diese Subgruppenbildung f¨ ur eine komplexe Erkrankung Mendelsche Unterformen herauskristallisieren. Die hierf¨ ur verantwortlichen Gene, die man auch als Hauptgene bezeichnet, sind in der Bev¨olkerung sehr selten. Andere genetische Risikofaktoren k¨onnen in der Bev¨olkerung h¨aufig sein, und haben dann relativ zu Hauptgenen eine deutlich kleinere Penetranz. Wenn es bei den Krankheiten einige wenige solcher Risikogene gibt, spricht man von Oligogenen. Außerdem k¨onnen auch noch sogenannte polygene Effekte vorhanden sein, bei denen viele Loci einen jeweils kleinen Effekt aufweisen. Oft ver¨ andert schließlich genaueres Wissen u ¨ ber die genetischen Zusammenh¨ ange die Krankheitsdefinition (z.B. MODY als eigene Krankheitsentit¨ at bei Diabetes). Eine Homogenisierung der Stichprobe kann dann auch dadurch erfolgen, dass Probanden oder Familien getestet werden, in denen bisher schon bekannte Krankheitsgene segregieren, um sie von Analysen zur Identifizierung weiterer Gene auszuschließen. Die Alzheimersche Krankheit (AD) ist ein Beispiel f¨ ur eine Krankheit mit Mendelschen Unterformen und Oligogenen. Bisher sind die Gene AmyloidPrecursor-Protein (APP, AD1), Presenilin-1 (PS-1, AD2) und Presenilin-2 (PS-2, AD4) als autosomal dominante Hauptgene eindeutig identifiziert. Sie l¨osen die AD mit sehr fr¨ uhem Krankheitsbeginn aus, bei Presenilin teilweise schon im dritten Lebensjahrzehnt. Die Krankheitsallele sind jeweils a¨ußerst selten und die entsprechenden Genotypen haben eine hohe Penetranz. Das erste Presenilin-Gen wurde durch Kopplungsanalysen bei Betrachtung der Wolga-Deutschen als ethnischer Gruppe entdeckt, das zweite Presenilin-Gen durch bioinformatischen Sequenzvergleich (EST Datenbanksuche) mit dem ersten Presenilin-Gen. Die dazugeh¨ origen Proteinprodukte der beiden Gene haben zu 80,5% die gleiche Sequenz, die Sequenzen sind homolog. ESTs (expressed sequence tag) sind dabei eindeutige und eindeutig lokalisierte kleine DNA-Sequenzen (STS, sequence tagged site) in der kodierenden Region eines Gens. STSs werden generell zur physikalischen Kartierung genutzt. Aus der sofort identifizierten Gensequenz erkl¨ art sich auch, dass das zweite PresenilinGen unmittelbar bei der Lokalisierung auch als urs¨achlich nachgewiesen werden konnte. Das Apolipoprotein-E (APOE, AD2) ist ein Oligogen f¨ ur Alzheimer, mit dem normalen (Wildtyp-)Allel 3, dem disponierenden Allel 4 und dem protektiven Allel 2. Es f¨ uhrt zu einem ca. 3-fach erh¨ohten Risiko an AD f¨ ur Tr¨ ager des Allels, damit zu einer deutlich niedrigeren Penetranz als die Hauptgene. Da die Variante 4 vergleichsweise h¨aufig ist (ca. 15% der Bev¨olkerung), ist APOE aber f¨ ur deutlich mehr AD-Patienten mit urs¨achlich als alle drei bekannten Hauptgene gemeinsam. Auf dieses Gen wird im Abschnitt 1.4.2 noch ausf¨ uhrlicher eingegangen. Weitere genetische Risikofaktoren werden bei AD diskutiert. OMIM weist insgesamt 7 Genorte unter dem Stichwort AD auf.

1.4

Statistische und epidemiologische Grundlagen

47

1.4 Statistische und epidemiologische Grundlagen 1.4.1 Statistisches Sch¨ atzen

Die Aufgabe statistischer Methoden besteht darin, aus Stichproben Aussagen u oßere Grundgesamtheit abzuleiten (Hilgers ¨ber eine im Allgemeinen viel gr¨ et al. 2003). Fast immer ist eine Vollerfassung der Grundgesamtheit nicht m¨ oglich. Man rekrutiert also nicht alle Patienten mit der Alzheimerschen Krankheit, sondern analysiert stattdessen eine zuf¨allig gew¨ahlte Teilmenge, eine Stichprobe, und schließt aus den daraus gewonnenen Ergebnissen auf die zugeh¨ orige Grundgesamtheit zur¨ uck. Die einzelnen Elemente der Stichprobe sind die an einer Untersuchung tats¨ achlich beteiligten Beobachtungseinheiten (Versuchseinheiten). Eine Beobachtungseinheit ist die kleinste Einheit einer statistischen Auswertung, an der Beobachtungen durchgef¨ uhrt werden. In genetisch-epidemiologischen Studien sind die Beobachtungseinheiten h¨aufig Personen. Es kann sich hier aber beispielsweise auch um Versuchstiere, Zellen oder Microarrays handeln. Zur Interpretation der Ergebnisse muss man sich u ¨ ber die Grundgesamtheit im Klaren sein: z.B. Patienten mit der Alzheimerschen Krankheit (AD) im S¨ uden Deutschlands mit Alter bei Diagnose u ¨ber 60 Jahren, da nur Patienten mit diesem Einschlusskriterium gesammelt wurden. Da die Stichprobe meist nur ein sehr kleiner Teil der Grundgesamtheit ist, sind R¨ uckschl¨ usse auf die Grundgesamtheit nur dann sinnvoll, wenn die Stichprobe die Verh¨ altnisse der Grundgesamtheit widerspiegelt. Hier kann es zu systematischen, nicht zuf¨ alligen Verzerrungen der Stichprobe kommen, die m¨ oglichst bei der Planung ausgeschlossen werden sollten. In jedem Fall m¨ ussen sie soweit wie m¨ oglich in der Analyse untersucht und korrigiert werden. Manchmal ist eine systematische Auswahl beabsichtigt, beispielsweise in einer Stichprobe, bei der nur Familien mit mehreren erkrankten Personen gesammelt werden. Diese Familienstichprobe ist somit systematisch mit Erkrankten angereichert (s. Abschnitt 3.3). Beim Sch¨atzen soll eine m¨ oglichst genaue Aussage u ¨ber einen unbekannten Parameter der Grundgesamtheit gemacht werden. Beispiele sind die Pr¨avalenz der Alzheimerschen Krankheit und die Wahrscheinlichkeiten f¨ ur die Allele ε2, ε3 und ε4 des Apolipoprotein E (ApoE) Gens als Risikofaktor f¨ ur AD in einer Population oder auch die Penetranzen. Der Parameter, u ¨ber den bei Kopplungsanalysen (s. Kap. 4) eine Aussage gemacht wird, ist die Rekombinationsrate zwischen einem Gen und einem genetischen Marker (s. Abschnitt 1.1.2.2). In Abschnitt 1.2.2 haben wir bereits die definierenden Parameter mehrerer Verteilungen kennen gelernt, wie beispielsweise n, p f¨ ur die ur die Normalverteilung N(µ, σ 2 ). Man nimmt Binomial- B(n,p) und µ, σ 2 f¨

1.4

48

1. Grundlagen

an, dass das interessierende Merkmal (z.B. ApoE Allel) in der Grundgesamtheit einer definierten Verteilung folgt, und m¨ochte die dazugeh¨origen Parameter sch¨ atzen. Aus einer Stichprobe wird ein einzelner Wert f¨ ur den unbekannten Parameter (Punktsch¨atzer, kurz Sch¨atzer) berechnet. Da der Punktsch¨ atzer fast nie mit dem wahren Parameter u ¨ bereinstimmt, sollte immer das dazugeh¨orige Konfidenzintervall (KI) bestimmt werden. Will man beispielsweise die Pr¨ avalenz einer bestimmten Erkrankung in einer Population bestimmen, so handelt es sich hierbei um ein Binomialexperiment, bei dem der Parameter p unbekannt ist und gesch¨atzt werden soll. Der Parameter n ist die Stichprobengr¨oße (auch Stichprobenumfang). Es liegt nahe, als Sch¨atzer f¨ ur p die relative H¨ aufigkeit pˆ = k/n zu verwenden, wobei k die Zahl der Personen mit der Erkrankung in der Stichprobe bezeichnet. Durch die Bezeichnung pˆ kann man den Sch¨atzwert vom wahren Wert der Verteilung p in der Grundgesamtheit unterscheiden, der Erwartungswert f¨ ur die Anzahl Erkrankter ist np (s. Abschnitt 1.2.2). p ist der relative Anteil erkrankter Personen in der Grundgesamtheit bzw. der Erwartungswert des ¯ der n Bernoullivariablen Xi , i,. . . ,n mit Xi =1, wenn erkrankt, Mittelwerts X ¯ gilt ur Erwartungswert und Varianz von X und Xi =0, wenn nicht erkrankt. F¨  n  1 1 ¯ E(X) = E X = np = p, n i=1 n  ¯ =V V (X)

1 X n i=1 n

 =

1 p(1 − p) . np(1 − p) = n2 n

Laut einer Ver¨ offentlichung der Deutschen Alzheimer Gesellschaft aus dem Jahre 2002 leiden 7,2% bzw. eine Gesamtzahl von ca. 1 Million Personen unter den u ahrigen in Deutschland an einer Demenz (Bickel 2000). ¨ber 65-J¨ Zus¨ atzlich ist es u blich, das 95%-Konfidenzintervall (95%-KI) anzugeben, das ¨ den wahren Parameterwert mit der vorgegebenen Wahrscheinlichkeit 0,95 umfasst. Das Konfidenzintervall (KI) l¨ asst sich u ¨ber die Binomialverteilung berechnen. Falls der Stichprobenumfang n nicht zu klein und p nicht zu nahe bei 0 oder 1 liegt, l¨ asst sich die Binomialverteilung auch durch eine Normalverteilung (s. Abschnitt 1.2.2) approximieren: ¯ ∼ N (p, p(1 − p) ). X n Das 95%-KI f¨ ur p l¨ asst sich mit z1−α/2 , dem (1-α/2)-Quantil der Standardnormalverteilung, zu α=0,05 angeben, wobei durch Ver¨anderung von α be-

1.4

Statistische und epidemiologische Grundlagen

49

liebige (1 − α)%-KIs gebildet werden k¨ onnen:  pˆ(1 − pˆ) . pˆ ± z1−α/2 n Konfidenzintervalle sind wie Punktsch¨ atzer zuf¨allig, das heißt sie variieren bei jeder Stichprobe. F¨ ur die Gesamtzahl der u ¨ber 65-j¨ahrigen in Deutschland mit Demenz gab Bickel (2000) ein Intervall von 800.000 bis 1,2 Millionen Personen an. Zur Verdeutlichung des Wahrscheinlichkeitsbegriffs beim KI ist in Abb. 1.12 das Ergebnis einer Simulation dargestellt. ur F¨ ur eine Binomialverteilung mit wahrem Parameter p0 = 0, 3 wurden f¨ 100 Stichproben der Gr¨ oße n=20 (A) bzw. n=100 (B) der Parameter pˆ und das zugeh¨ orige 95%-KI gesch¨ atzt. Der senkrechte Strich zeigt die Lage des wahren Parameters, der von insgesamt 7% (A) bzw. 5% (B) -KIs nicht getroffen, also von ca. 95% der Stichproben u ¨ berdeckt wird. Die Breite des KIs nimmt mit wachsendem Stichprobenumfang ab, d.h. es ist eine genauere Sch¨ atzung des Parameters m¨ oglich. Sie nimmt zu, wenn die empirische Varianz (Punktsch¨ atzer der Varianz des Mittelwerts, der bei festem n maximal f¨ ur pˆ = 0, 5 ist) gr¨ oßer wird oder wenn man die Sicherheit vergr¨oßern m¨ochte, also beispielsweise statt eines 95%-KI ein 99%-KI betrachtet. Je nach zugrunde liegender Verteilung und zu sch¨atzenden Parametern lassen sich verschiedene Sch¨ atzer und Konfidenzintervalle angeben (Weiß 2005). Der intuitiv einleuchtende Sch¨ atzer f¨ ur den Parameter der Binomialverteilung ist ein Maximum-Likelihood-Sch¨atzer. Die Maximum-Likelihood-(ML-)Methode ist das wichtigste Sch¨ atzverfahren in der Genetischen Epidemiologie. Hierbei wird zun¨ achst die Likelihoodfunktion  L(P arameter) = P (Daten|P arameter) = i P (Di |p) berechnet, d.h. die Wahrscheinlichkeit der vorliegenden Daten f¨ ur jedes Individuum i als Funktion der zugrunde liegenden Parameter p. Betrachten wir als Beispiel zwei Marker auf einem Chromosom in einer Familie mit zehn Kindern. Angenommen, die Mutter ist heterozygot f¨ ur beide Marker, so dass wir erkennen k¨ onnen, bei welchen Kindern von der Mutter rekombinante oder nicht rekombinante Gameten weitergegeben worden sind (s. Abschnitt 1.1.2.2, die Weitergabe vom Vater lassen wir hier zur Vereinfachung außer acht). Wir beobachten in der Familie 2 rekombinante (R) und 8 nicht rekombinante (R) Gameten. Wollen wir die unbekannte Rekombinationsrate θ sch¨atzen, so passt das Binomialmodell mit 0≤ θ ≤0,5. Die Likelihoodfunktion ist f¨ ur die Rekombinationsrate in einer Geschwisterschaft mit R rekombinanten und R

50

1. Grundlagen

B

100

Simulationsnummer

Simulationsnummer

A

80 60

100 80 60

40

40

20

20

0

0 0

p0

0,2 0,4 0,6 0,8

1

0

p

0,2 00,4 0,6 0,8

p

1 p

Abbildung 1.12. 100 95% Konfidenzintervalle mit Punktsch¨ atzern f¨ ur den Parameter einer

Binomialverteilung anhand von Datens¨ atzen simuliert nach einer Binomialverteilung mit oße 20, B: Stichprobengr¨ oße 100. Erwartungswert p0 = 0,3. A: Stichprobengr¨

nicht rekombinanten Gameten allgemein gegeben durch
 R+R R L(θ) = θ (1 − θ)R . R

(1.5)

Unter der Annahme θ = 0, 5 oder θ = 0, 05 hat die beobachtete Ereigniskombination eine sehr kleine Wahrscheinlichkeit, f¨ ur den Wert 0, 2 ist sie am gr¨ oßten (s. Abb. 1.13). Daher ist es nahe liegend, θˆ = 0, 2 als Sch¨atzer zu w¨ ahlen. Dieses Vorgehen wird beim Maximum-Likelihood-(ML-)Sch¨atzer verwendet. Man w¨ ahlt den Parameter, f¨ ur den die Beobachtungen die gr¨oßte Wahrscheinlichkeit haben. Da sich mit dem Logarithmus oft leichter rechnen l¨ asst, betrachtet man die Funktion ln L(θ). Durch diese Transformation andert sich der zum Maximum geh¨ orige Parameterwert nicht, da der Loga¨ rithmus eine monotone Funktion ist. Das Maximum wird bestimmt, indem die erste Ableitung gleich Null gesetzt wird. Man muss aber u ufen, ob ¨berpr¨ es sich um ein Maximum im Parameterraum handelt, und nicht etwa um ein Minimum. F¨ ur die Bestimmung des Maximums sind Konstanten c (unabh¨ angig von θ) unwesentlich. Sie werden h¨ aufig weggelassen. Oft kann der ML-Sch¨ atzer nur mittels numerischer Maximierungsverfahren gesch¨atzt wer-

P(2 R,8 NR)

1.4

Statistische und epidemiologische Grundlagen

51

0,30

0,25

0,20

0,15

0,10

0,05

Abbildung 1.13.

Likelihoodfunktion f¨ ur 2 0 0

0,05

0,10

0,15

0,20

0,25

0,30

0,35

0,40

0,45

0,50

T

rekombinante (R) und 8 nicht rekombinante (NR) Gameten.

den. F¨ ur die obige Likelihoodfunktion gilt:
 R+R ln L(θ) = ln + R ln(1 − θ) + R ln θ = c + R ln(1 − θ) + R ln θ R d ln L(θ) 1 R 1 = −R + R = 0 ⇒ θˆ = . dθ 1−θ θ R+R

(1.6)

Der Maximum-Likelihood-Sch¨ atzer wird aufgrund seiner vorteilhaften Eigenschaften in der Statistik viel genutzt. Bezeichnet β allgemein den zu sch¨ atzenden Parametervektor (d.h. ein oder mehrere Parameter), so ist der ML-Sch¨ atzer ein konsistenter Sch¨atzer, d.h. ein Sch¨atzer, der sich mit wachsender Stichprobengr¨ oße dem wahren Parameter n¨ahert. Die Logarithmen der Likelihoods k¨ onnen u ¨ ber verschiedene unabh¨angige Daten aufsummiert werden, denn die Likelihood ist das Produkt der Wahrscheinlichkeiten f¨ ur die unabh¨ angigen Daten. Insbesondere erfolgt die Summation auch u ¨ ber verschiedene Familien i, i=1,. . . ,n hinweg, so dass gilt:  ln Li (β). ln L(β) = i

Likelihoods zur Verwendung beim statistischen Testen (s. Abschnitt 1.4.3) werden im Exkurs 3 (S. 142) besprochen.

52

1. Grundlagen

1.4.2 Epidemiologische Studientypen und Maßzahlen

Die Epidemiologie befasst sich einerseits mit der Untersuchung der Verteilung von Krankheiten, allgemeiner von Ph¨ anotypen in Bev¨olkerungsgruppen, und andererseits mit deren Einflussfaktoren (s. Kreienbrock und Schach 2005, S.9). In Studien werden Maßzahlen f¨ ur Erkrankungsh¨aufigkeiten und f¨ ur deren Vergleich zwischen Gruppen gesch¨ atzt. Maßzahlen der Krankheitsh¨ aufigkeit, die man unter dem Begriff Morbidit¨at (von lat. morbidus – krank) zusammenfasst, sind Pr¨avalenz und Inzidenz. Sie werden hier als Krankheitswahrscheinlichkeit P(K) eingef¨ uhrt, wobei sich die Pr¨ avalenz auf bestehende Erkrankungen und die Inzidenz auf Neuerkrankungen bezieht. Die relativen H¨ aufigkeiten einer Stichprobe sind die zugeh¨origen Punktsch¨ atzer. Pr¨ avalenz und Inzidenz werden auch ¨ofter u ¨ ber Anzahlen definiert, dann sind die Punktsch¨ atzer die absoluten H¨aufigkeiten. Die Pr¨avalenz (s. Gleichung 1.2) gibt die Wahrscheinlichkeit an, dass eine zuf¨ allig ausgew¨ ahlte Person aus der betrachteten Bev¨olkerungsgruppe an einem bestimmten Stichtag (Punktpr¨avalenz oder in einem bestimmten Zeitraum (Periodenpr¨avalenz, z.B. im letzten Jahr oder w¨ahrend des gesamten Lebens – Lebenszeitpr¨avalenz) von der Krankheit betroffen ist. Sie w¨achst mit der Krankheitsdauer und nimmt mit der Heilungsrate oder mit der Todesrate ab. Die Inzidenz gibt die Wahrscheinlichkeit an, dass eine zuf¨allig ausgew¨ahlte Person aus der betrachteten Bev¨ olkerungsgruppe innerhalb einer zeitlich begrenzten Periode an der Krankheit neu erkrankt. Sie ist eine bedeutende ur Krankheiten mit langer KrankMaßzahl f¨ ur die Krankheitsentstehung. F¨ heitsdauer (z.B. chronische Krankheiten) ist h¨aufig die Pr¨avalenz hoch und die Inzidenz niedrig. Beide sind in der Regel altersabh¨angig. Als kumulative Inzidenz bezeichnet man die Inzidenz bis zu einem gewissen Alter. Weitere Spezifizierungen (z.B. standardisierte Inzidenz) sind u ¨ blich. Die Mortalit¨at ist die Wahrscheinlichkeit, dass eine zuf¨allig ausgew¨ahlte Person aus der betrachteten Bev¨ olkerungsgruppe innerhalb einer zeitlich begrenzten Periode an der Krankheit verstirbt. Im Gegensatz dazu ist die Letalit¨at die bedingte Wahrscheinlichkeit, dass eine zuf¨allig ausgew¨ahlte erkrankte Person aus der betrachteten Bev¨ olkerungsgruppe innerhalb einer zeitlich begrenzten Periode an der Krankheit verstirbt. Hier ist die Grundgesamtheit also die Gruppe der Erkrankten innerhalb der Bev¨olkerungsgruppe. Betrachtet man die Genotypverteilung eines genetischen Markers in einer Bev¨ olkerungsgruppe, so handelt es sich um eine Pr¨avalenz, da die Marker von Geburt an bestehen. Die Verteilung kann in verschiedenen Altersklassen ¨ unterschiedlich sein, da manche Marker mit dem Uberleben assoziiert sind. Durch die Betrachtung von mehr als zwei Auspr¨agungen und die damit verbundene Verwendung einer Multinomialverteilung erweitert sich das Konzept der Pr¨ avalenz. M¨ ochte man die Krankheitsentstehung betrachten, so ist es

1.4

Statistische und epidemiologische Grundlagen

53

sinnvoll, inzidente F¨ alle zu untersuchen. Sonst l¨asst sich bei einer ermittelten Assoziation nicht mehr vermuten, ob sich diese auf Krankheitsentstehung ¨ oder -verlauf (Heilung, Uberleben) bezieht. Als letzte Maßzahl der Krankheitsh¨ aufigkeit f¨ uhren wir das Risiko ein. Das Risiko ist die Wahrscheinlichkeit, dass eine zuf¨allig ausgew¨ahlte Person aus der Population unter Risiko innerhalb einer zeitlich begrenzten Periode an der Krankheit erkranken wird. Die Population unter Risiko ist definiert als die Personen aus der Bev¨ olkerungsgruppe, die bisher noch nicht erkrankt sind. Das Risiko ist also eine Inzidenz. Manchmal wird die Population noch weiter eingeschr¨ ankt, da beispielsweise nur M¨ anner am Prostatakarzinom erkranken k¨ onnen. Das relative Risiko (RR) ist definiert als Risiko mit Exposition E=1 (d.h. das Risiko f¨ ur ein Individuum, wenn es einem bestimmten Risikofaktor ausgesetzt ist) relativ zum Risiko ohne Exposition (d.h. einer nicht exponierten Gruppe E=0, Risiko der Referenzgruppe): RR =

P (K|E = 1) . P (K|E = 0)

Exposition bezeichnet das Vorliegen eines bestimmten Risikofaktors, z.B. Zigarettenkonsum (auch mit Mengen) oder eines bestimmten Genotyps. Bei einer dichotomen Exposition (Faktor liegt vor ja/nein) verwendet man h¨aufig ur E=1 und E=0. die Bezeichnungen E und E f¨ Bei einem genetischen Marker mit zwei Allelen (z.B. SNP) kann man die Exposition u ¨ ber die Anzahl der vorhandenen disponierenden Allele D mit E=0, E=1 und E=2 f¨ ur dd, Dd und DD definieren. Die Wahrscheinlichkeiten und auch beobachtete Anzahlen aus einer Stichprobe der Gr¨oße n lassen sich in einer Mehrfeldertafel zusammenfassen, die sich f¨ ur eine dichotome Exposition als Vierfeldertafel darstellt (s. Tabellen 1.6, 1.7). Die relativen ur die Genotypen Dd und DD im Vergleich zum Genotyp Risiken γ1 und γ2 f¨ dd bezeichnet man auch als genotypische relative Risiken. Tabelle 1.8 zeigt einige Mendelsche Modelle und ihre genotypischen relativen Risiken. Bei der Interpretation des relativen Risikos bedeutet RR=1, dass das Risiko der Exponierten genauso groß ist wie das der Nicht-Exponierten. RR>1 bedeutet, dass das Risiko der Exponierten gr¨ oßer als das der Nicht-Exponierten ist, die Exposition ist disponierend. F¨ ur RR=2 ist das Erkrankungsrisiko f¨ ur Exponierte doppelt so hoch (um den Faktor 2 h¨oher) wie f¨ ur NichtExponierte. RR 1

Tr¨ ager des disponierenden Allels D haben ein erh¨ ohtes Risiko gegen¨ uber dem Grundrisiko.

rezessiv

γ1 = 1, γ2 > 1

Tr¨ ager zweier disponierender Allele D haben ein erh¨ ohtes Risiko gegen¨ uber dem Grundrisiko.

multiplikativ

γ1 > 1, γ2 = γ12

Jedes Risikoallel D vervielf¨ altigt das Risiko um denselben Faktor.

additiv

γ2 − 1 = 2(γ1 − 1)

Die Penetranzen verhalten sich additiv. Jedes Risikoallel D tr¨ agt den gleichen Betrag zur Penetranz f bei. (f2 − f1 = f1 − f0 ).

man in diesem Design nicht direkt sch¨ atzen, da F¨alle und Kontrollen nicht mehr die Anteile aus der Grundgesamtheit repr¨asentieren. Stattdessen wird das Odds Ratio (OR) betrachtet. Odds (f¨ ur Quote beim Wetten oder auch Wettverh¨ altnis) sind definiert als Wahrscheinlichkeit f¨ ur Ereignis A geteilt durch Wahrscheinlichkeit f¨ ur das Nicht-Auftreten von A, P(A)/(1-P(A)). Das Odds Ratio vergleicht die Quote des Expositionsfaktors unter den Erkrankten mit der unter den nicht Erkrankten. Damit ergibt sich f¨ ur OR und den zugeh¨ origen Punktsch¨ atzer(s. Tab. 1.7): OR =

P (E = 1|K)/P (E = 0|K) , P (E = 1|K)/P (E = 0|K)

= c/a = cb . OR d/b ad

(1.8)

Bei seltenen Krankheiten gilt b ≈ a+b und d ≈ c+d, und der Punktsch¨atzer f¨ ur OR ist ein guter Sch¨ atzer f¨ ur das relative Risiko γ. Bei hohen Krankheitswahrscheinlichkeiten wird die Abweichung von 1 beim relativen Risiko durch das Odds Ratio u atzt. ¨ bersch¨ In einer Studie mit 417 Alzheimer Patienten und 1.030 Kontrollen (Bickeb¨oller et al. 1997) werden f¨ ur ApoE-Genotypen folgende Sch¨atzungen f¨ ur das OR mit 95%-KI im Vergleich zum Genotyp ε3/ε3 angegeben: ε4/ε4=11,2 (4,0-31,6), ε3/ε4=2,2 (1,5-3,5), ε2/ε4=1,6 (0,5-5,5), ε2/ε3=0,4 (0,1-0,9), ε2/ε2 wegen kleiner Anzahlen nicht gesch¨atzt. Damit sind ε4/ε4, ε3/ε4 disponierend und ε2/ε3 protektiv. F¨ ur ε2/ε4 konnte keine Risikoerh¨ohung festgestellt werden, da das 95%-KI ein Odds Ratio von 1 mit einschließt. Bei der Sch¨ atzung der relativen Risiken kann es zu einer Vermengung der Einflussfaktoren und damit zu Verzerrungen (Bias) kommen. Ein Confounder

56

1. Grundlagen

ist eine Variable, die die Sch¨ atzung beeintr¨ achtigt, da sie mit Exposition und Krankheit assoziiert ist. In der Epidemiologie liegt eine Effektmodifikation vor, wenn das relative Risiko mit den Werten einer weiteren Einflussvariable variiert. Bei den angegebenen ORs f¨ ur ApoE und Alzheimer wurden Alter und Geschlecht ber¨ ucksichtigt. Man beobachtet eine Effektmodifikation, denn bei Vorliegen des ε4-Allels ist das Risiko im Alter von 60-79 Jahren in Vergleich zu j¨ ungeren Personen erh¨ oht. 1.4.3 Statistisches Testen

¨ Statistische Tests dienen zur Uberpr¨ ufung von Vermutungen (Hypothesen). Beispielsweise m¨ ochte man nachweisen, dass eine Assoziation zwischen Exposition und Krankheit vorliegt, d.h. OR = 1. Oder man untersucht ob Kopplung vorliegt, d.h. eine Rekombinationsrate θ < 0,5. Der gesch¨atzte Parameter f¨ ur OR bzw. θ wird mit dem vorgegebenen Wert 1 bzw. 0,5 verglichen. Ist der Unterschied zwischen beobachtetem und vorgegebenem Wert durch Zufallsschwankungen der Stichprobe erkl¨ arbar, oder ist er so unwahrscheinlich, dass man f¨ ur den Parameter der Grundgesamtheit den vorgegebenen Wert als falsch verwirft? Im letzteren Fall schließt man auf Assoziation bzw. auf Kopplung. Man kann auch Unterschiede zwischen verschiedenen Grundgesamtheiten untersuchen. Beruht z.B. der Unterschied zwischen Mittelwerten eines quantitativen Ph¨ anotyps zwischen F¨ allen und Kontrollen bzw. auch f¨ ur verschiedene Genotypen auf Unterschieden zwischen den Erwartungswerten der jeweiligen Grundgesamtheiten (der F¨ alle, der Kontrollen, der Genotyptr¨ager), oder sind die Unterschiede durch zuf¨ allige Schwankungen der zwei Stichproben erkl¨arbar? Das Vorgehen bei einem statistischen Test erl¨ autern wir in Schritten am Beispiel einer Fall-Kontroll-Studie, in der gekl¨ art werden soll, ob die Exposition ein Risiko f¨ ur die Krankheit ist. (1) Zun¨ achst wird ein f¨ ur die Fragestellung ad¨aquater Parameter festgelegt, hier OR. (2) Dann formuliert man zwei komplement¨ are Hypothesen, die Nullhypothese H0 und die Alternative H1 , hier H0 : OR = 1 versus H1 : OR = 1, und legt das Signifikanzniveau (kurz Niveau) α fest. Das Signifikanzniveau kontrolliert die H¨ ohe des Fehlers, den man macht, wenn die Nullhypothese tats¨ achlich richtig ist (hier OR=1, s. Tabelle 1.9) und man sie ablehnt, sich also f¨ ur H1 entscheidet. Oft wird das Signifikanzniveau mit α=0,05 festgelegt, d.h. liegt in Wahrheit keine Assoziation vor, so wird in durchschnittlich 5 von 100 so durchgef¨ uhrten Studien trotzdem auf eine Assoziation geschlossen (s. Weiß 2005, S. 189-199). (3) Nun werden die Stichprobendaten (hier s. Tabelle 1.7) zu einer Teststatistik (auch Pr¨ ufgr¨oße) T=t0 zusammengefasst. Die Zufallsvariable T (auf

1.4

Statistische und epidemiologische Grundlagen

57

Tabelle 1.9. M¨ oglichkeiten bei der Testentscheidung und ihre Wahrscheinlichkeiten.

Wirklichkeit Testentscheidung

H0

H1

H0

Richtig, 1-α

Fehler 2. Art, β

H1

Fehler 1. Art, Niveau α

Richtig, Power 1-β

Basis der Stichprobe der Gr¨ oße n) wird passend zur Situation so konstruiert, dass man ihre Verteilung kennt, wenn die Nullhypothese gilt. Teststatistiken ur den Chiquadrat(χ2 )Test werden nach ihrer Verteilung unter H0 benannt. F¨ f¨ ur Assoziation in einer Vierfeldertafel ist T unter H0 chiquadratverteilt mit 1 Freiheitsgrad (1 FG): T = χ2 =

n(ad − bc)2 , (a + b)(a + c)(c + d)(b + d)

n = a + b + c + d.

In der oben angegebenen Alzheimer-Studie (s. Abschnitt 1.4.2, Bickeb¨oller et al. 1997) betr¨ agt die ε2-Allelh¨ aufigkeit unter Nicht-ε4-Tr¨agern bei den F¨ allen 4,2% und bei den Kontrollen 9,4%. Es wird ein von ε4 unabh¨angiger protektiver Effekt des Allels ε2 untersucht. Der Sch¨atzer und das 95%-KI sind alters- und geschlechtskorrigiert OR=0,50 (0,30-0,98). Der beobachtete ur Assoziation (in der Studie ebenfalls alters- und Wert der χ2 -Teststatistik f¨ geschlechtskorrigiert) betr¨ agt χ2 = 6,28. (4) Als n¨ achstes konstruiert man den Ablehnbereich f¨ ur das gew¨ahlte Signifikanzniveau α mit Hilfe der Quantile der Verteilung der Teststatistik unter H0 und berechnet den p-Wert. Das zum Signifikanzniveau geh¨orige Quantil k1−α der Verteilung von T heißt kritischer Wert zum Niveau α. Der kritische Wert einer Chiquadratverteilung mit 1 FG liegt f¨ ur α=5% bei 3,84. Der p-Wert ist definiert durch p=P(T≥t0 |H0 ). Er gibt allgemein die Wahrscheinlichkeit unter H0 an, dass T den beobachteten Wert t0 oder noch extremere Werte aufweisen w¨ urde. Der p-Wert f¨ ur χ2 =6,28 ist p=0,01 (s. Abb. 1.14). (5) Im letzten Schritt entscheidet man, ob H0 abzulehnen ist oder nicht, und beschreibt das Ergebnis im Kontext der Problemstellung. Wenn f¨ ur den beobachteten Wert t0 der Teststatistik T≥k1−α gilt, gilt gleichzeitig p≤ α. Dann lehnen wir die Nullhypothese ab. Andernfalls wird sie nicht abgelehnt. Das OR f¨ ur ε2-Allele ist signifikant von 1 verschieden, es gibt einen Hinweis auf den protektiven Effekt des ε2-Allels, der heutzutage als nachgewiesen gilt. Das (1-α)%-KI und der Test zum Niveau α entsprechen sich, da ein signifikanter Test zu einem KI f¨ uhrt, das die Nullhypothese nicht einschließt, und umgekehrt. Ausnahmen sind m¨ oglich, wenn Berechnungen nicht analytisch exakt durchgef¨ uhrt werden k¨ onnen. Insbesondere ist das Konfidenzintervall f¨ ur OR i.d.R. nur eine Approximation.

58

1. Grundlagen

f(T) 0,1

p = 0,01

D = 0,05

0 0

1

2

3

4

5

6

7

8

9

10

T

3,84 6,28 |--------------------- Ablehnbereich ------------------

Abbildung 1.14. Ablehnungsbereich der Chiquadrat-Teststatistik T mit 1 FG, Niveau 5%

und p-Wert 1%.

Die Interpretation wird schwierig, wenn H0 nicht abgelehnt werden kann. Ist die Stichprobe vielleicht nicht groß genug, um einen wahren Effekt (Alternative) von Zufallsschwankungen unterscheiden zu k¨onnen? Die statistische Power oder Testst¨arke 1-β (s. Tabelle 1.9) gibt die Wahrscheinlichkeit f¨ ur die Annahme der Alternative an, wenn sie in Wahrheit richtig ist. Eine Power von 80% bedeutet, dass in 4 von 5 Studien der Effekt gefunden wird und in 1 von 5 Studien nicht. Bei der Versuchsplanung sollte man die statistische Power unter verschiedenen Modell¨ uberlegungen berechnen, um einen ad¨aquaten Stichprobenumfang zu w¨ ahlen. Hierbei muss die H¨ohe des kleinsten Effektes (z.B. kleinste Abweichung von OR=1) genannt werden, die man mit der angegebenen Power in der Studie noch entdecken m¨ochte. Diese orientiert sich an Erwartungen oder an medizinisch relevanten Effekten. Die Power wird dadurch bestimmt, ob sich bei den Verteilungen der Teststatistik zwischen Nullhypothese und Alternative gut diskriminieren l¨asst. Sie h¨angt somit von H0 , von dem minimal zu entdeckenden Effekt unter H1 , vom Niveau α und von der Stichprobengr¨ oße ab. Werden in einer Stichprobe mehrere Hypothesen getestet, so nennt man das multiples Testen. Der Fehler 1. Art bei einem einzelnen Test ist von dem der gesamten Studie zu unterscheiden. Nehmen wir an, dass f¨ ur alle Einzeltests jeweils H0 richtig ist, und sei α=5%. Die Wahrscheinlichkeit, dass mindestens ein Test f¨ alschlicherweise signifikant ist, steigt mit der Zahl der durchgef¨ uhrten Tests. Testet man z.B. 20 unabh¨ angige genetische Marker einzeln mit

1.4

Statistische und epidemiologische Grundlagen

59

α=5% auf Kopplung mit einem Genort f¨ ur eine monogene Krankheit, also alschlicherweise zum Niveau α signifiH0 : θ=0,5, so gilt: P(mindestens ein f¨ kantes Einzelergebnis) = 1 − P (kein f¨ alschlicherweise zum Niveau α signi20 fikantes Einzelergebnis) = 1 − (1 − α) =1 − 0, 9520 = 0,64. Also wird mit der Wahrscheinlichkeit 64% f¨ ur mindestens einen Marker f¨alschlicherweise auf Kopplung geschlossen. Es gibt verschiedene M¨ oglichkeiten, um das Ansteigen dieses multiplen Fehlers zu kontrollieren. Die Bonferroni-Korrektur besteht darin, f¨ ur k Tests jeweils das Signifikanzniveau α/k zu w¨ ahlen. Sind die einzelnen Tests statistisch voneinander abh¨ angig, dann verschenkt man bei dieser Korrektur statistische Power. Die Wahrscheinlichkeit, Marker zu finden, die tats¨achlich mit dem Krankheitsgen gekoppelt sind, wird dann oft sehr klein. In solchen F¨allen kann man Permutationsmethoden verwenden (Westfall und Young 1993). Bei einem Experiment oder einer Studie mit mehreren Einzelhypothesen wird der eben beschriebene multiple Fehler auch FWE – family-wise-error-rate genannt. Es wird bei k einzelnen Tests mit den Nullhypothesen H0i und den einzelnen Alternativen H1i , i=1, . . . k, das Signifikanzniveau bei der ur alle i“ vs. Alternative Testentscheidung globale Nullhypothese ,,Es gilt H0i f¨ ,,f¨ ur mindestens ein i gilt H1i “ eingehalten. W¨ ahrend in manchen Situationen die FWE-Kontrolle n¨otig ist (bei der Entscheidung u uhrung eines neuen Medikaments oder bei einer Stu¨ ber die Einf¨ die, in der eine Hypothese best¨ atigt werden soll), f¨ uhrt diese strenge Kontrolle des Multiplizit¨ atsproblems bei genomweiten Untersuchungen mit 10.000 und mehr genetischen Markern oder bei Genexpressionsuntersuchungen dazu, dass nichts gefunden wird. Daher nutzt man in solchen Situationen ein anderes Konzept bei der Fehlerkontrolle und akzeptiert einen Anteil q falschpositiver Ergebnisse unter allen signifikanten Einzelergebnissen. Man kontrolliert den erwarteten Anteil f¨ alschlicherweise signifikanter Einzelergebnisse unter allen signifikanten Einzelergebnissen die FDR - false discovery rate (Reiner et al. 2003). Alternativ wurde in den letzten Jahren die local false discovery rate herangezogen. Dabei konstruiert man die kritischen Grenzen f¨ ur die Einzelhypothesen so, dass die a-posteriori Wahrscheinlichkeit P(H1i ) einen vorgegebenen Wert von z.B. 80% nicht unterschreitet (Efron 2004). 1.4.4 Regressionsmodelle

In der Genetischen Epidemiologie versteht man unter Modellierung oder Modellbildung die Darstellung des Einflusses genetischer Risikofaktoren auf einen Ph¨ anotyp auch im Zusammenspiel untereinander und mit Umweltfaktoren. Der Modellbegriff ist uns schon mehrfach begegnet: z.B. allgemein als theoretisches Konzept f¨ ur die Beschreibung der Realit¨at (s. Abschnitt 1.2.1), beim Binomialmodell f¨ ur Rekombinationen (s. Abschnitt 1.4.1) und vor allem als

60

1. Grundlagen

Vererbungsmodell der Mendelschen Segregation (s. Abschnitt 1.2.3). Parameter bei der Mendelschen Segregation sind die Allelh¨aufigkeiten des betrachteten Gens und die Penetranzen. Letztere und auch epidemiologische Maßzahlen wie das relative Risiko und das Odds Ratio beschreiben dabei den Zusammenhang zwischen Genotyp und Ph¨anotyp. Die in diesem Abschnitt betrachteten Regressionsmodelle dienen der Beschreibung des Zusammenhangs zweier oder mehrerer Variablen durch eine Gleichung, die durch Parametersch¨ atzung den beobachteten Daten so angepasst wird, dass die Datenpunkte m¨ oglichst wenig von den unter dem Regressionsmodell erwarteten Daten abweichen. Der Ph¨anotyp ist die Zielvariable Y, alle weiteren genetischen und nichtgenetischen Variablen bezeichnet man als Einflussvariablen (auch Kovariablen) Xi , i=1,. . . ,n. Seien nun Y ein quantitativer Ph¨ anotyp, z.B. diastolischer Blutdruck, und X eine quantitative Einflussvariable, z.B. Alter, so l¨asst sich der Zusammenhang durch eine einfache lineare Regression darstellen, bei der eine Gerade (lineare Funktion) angepasst wird. Die Regressionsgleichung lautet Y =a ˆ + ˆbX + ε,

ε ≈ N (0, σ 2 ),

manchmal auch dargestellt durch E(Y |X) = a ˆ + ˆbX. Dabei sind die gesch¨ atzten Parameter a ˆ, ˆb (Sch¨atzung s. z.B. Weiß 2005, S.89) der Achsenabschnitt und die Steigung der Geraden, die auch Regressionskoeffizient genannt wird. Die Regressionsgerade beschreibt, welcher YWert bei gegebenem X-Wert ,,erwartet“ wird. εi =Yi −E(Yi |Xi ) ist der Fehler (auch Residuum), d.h. die Differenz zwischen beobachtetem Y-Wert Yi und erwartetem Y-Wert E(Yi |Xi ) an der Stelle des vorgegebenen X-Wertes Xi . Es wird vorausgesetzt, dass der Fehler u ¨ ber alle X-Werte hinweg einer um Null zentrierten Normalverteilung mit konstanter Varianz folgt. Bei der einfachen linearen Regression werden Zufallsschwankungen in der X-Variable wie Messfehler nicht mitber¨ ucksichtigt. Hierf¨ ur gibt es Erweiterungen. Sei nun Y ein quantitativer Ph¨ anotyp, dessen Verteilung keiner Normalverteilung folgt. Dann kann man sich um eine entsprechende Transformation f(Y) der Y-Variable bem¨ uhen, so dass f (Y ) = a ˆ + ˆbX + ε,

ε ≈ N (0, σ 2 )

gilt. F¨ ur Blutkonzentrationen wie z.B. Lipoprotein(a)- (Lp(a)-) Konzentrationen funktioniert h¨ aufig eine Logarithmus-Transformation f(Y)=ln(Y). Es ist auch m¨ oglich, eine ,,g¨ unstige“ Transformation aus einer vorgegebenen Klasse zu sch¨ atzen (Box und Cox 1964).

1.4

Statistische und epidemiologische Grundlagen

61

Seien nun Y weiterhin ein quantitativer Ph¨anotyp, z.B. ln Lp(a), und X eine diskrete Einflussvariable, z.B. Apolipoprotein(a)- (apo(a)-) Isoformen, so l¨ asst sich der Zusammenhang durch das Analysis-of-Variance (ANOVA)Modell beschreiben. Die Variablen Y|X sind jeweils normalverteilt mit unterschiedlichen Mittelwerten µX und konstanter Varianz, d.h. jede Isoform hat ihre eigene Normalverteilung. Y |X = µ ˆX + ε,

ε ≈ N (0, σ 2 )

Hat X zu viele Auspr¨ agungen, z.B. die einzelnen apo(a)-Genotypen als Kringle-IV-Repeatzahlen am apo(a)-Gen, so funktioniert die Modellbildung wegen der zu kleinen Stichprobenzahl f¨ ur einzelne X-Auspr¨agungen nicht mehr. Seien Y ein dichotomer Ph¨ anotyp, z.B. Y=1 erkrankt und Y=0 nicht erkrankt, und X eine quantitative Einflussvariable, z.B. Alter, so l¨asst sich der Zusammenhang durch eine einfache logistische Regression darstellen. Es gilt 
P (Y = 1) =a ˆ + ˆbX + ε, ε ≈ N (0, σ 2 ). f (Y ) = logit(Y ) = ln P (Y = 0) Die Logit-Transformation verwendet den Logarithmus der Quote (Odds) f¨ ur die Erkrankung, da sich die Werte 0 und 1 nicht direkt als Gerade modellieren lassen. Die Wahrscheinlichkeit zu erkranken bei einem bestimmten X-Wert ist: exp(ˆ a + ˆbX) . E(Y |X) = P (Y = 1|X) = 1 + exp(ˆ a + ˆbX) Werden eine Zielvariable Y und mehrere Kovariablen Xi , i=1,. . . ,n betrachtet, so spricht man von multipler Regression. Die Regressionsgleichung f¨ ur die lineare multiple Regression ist: Y =a ˆ + ˆb1 X1 + ˆb2 X2 + · · · + ˆbn Xn + ε,

ε ≈ N (0, σ 2 ).

Hiermit l¨ asst sich auch eine polynomische Regression durchf¨ uhren. Entspricht z.B. der Einfluss des Alters auf Y einer quadratischen Funktion, so setzt man X1 =Alter, X2 =Alter2 . Regressionsmodelle erm¨ oglichen die gleichzeitige Ber¨ ucksichtigung quantitativer und diskreter Einflussvariablen. Man bezeichnet dies als multiple Regression bzw. bei der Erweiterung der ANOVA als Analysis-of-Covariance (ANCOVA). So k¨ onnen Effekte mehrerer Gene, mehrerer nichtgenetischer Variablen und auch Interaktionen (z.B. X3 =X1 X2 als Interaktion zwischen X1 und X2 ) betrachtet werden. Sei nun X1 =Geschlecht und X2 =Genotyp. Die Interaktion in einer linearen Regression bedeutet Modifikation der ErwartungswertDifferenzen der Genotypen µX2 durch das Geschlecht X1 . Interaktion in einer

62

1. Grundlagen

logistischen Regression bedeutet Modifikation des Odds Ratios (Caliebe et al. 2005). Werden mehrere Zielvariablen Yi , i=1,. . . ,n, betrachtet, z.B. diastolischer und systolischer Blutdruck oder Asthma und der Logarithmus des IgE (Immunglobulin E)-Spiegels ln(IgE), so spricht man von multivariater Regression (in den Beispielen von bivariater Regression). Den Einfluss des ApoE-Genotyps auf die Alzheimersche Krankheit mit Ber¨ ucksichtigung des Alters und Geschlechts kann man durch eine logistische Regression mit der Zielvariablen Y=1 erkrankt, Y=0 nicht erkrankt und den Einflussvariablen X1 =Anzahl der ApoE-ε4-Allele, X2 =Alter und X3 =Geschlecht modellieren. Der Regressionskoeffizient f¨ ur X1 gibt dann den Einfluss des Genotyps adjustiert f¨ ur Alter und Geschlecht an. 

P (Y = 1) = exp a ˆ + ˆb1 X1 + ˆb2 X2 + ˆb3 X3 1 − P (Y = 1) Aus der Regressionsgleichung lassen sich die Sch¨atzer der Odds Ratios direkt ablesen. F¨ ur das OR f¨ ur heterozygote ε4-Allele-Tr¨ager (X1 =1, γˆ1 ) beziehungsweise homozygote Tr¨ ager (X1 =2, γˆ2 ) im Vergleich zu Nicht-Tr¨agern (X1 =0) ergibt sich 

 exp a ˆ + ˆb1 + ˆb2 X2 + ˆb3 X3  =exp ˆb1 ,

γˆ1 =OR(X1 = 1 zu X1 = 0)= exp a ˆ + ˆb2 X2 + ˆb3 X3 

 exp a ˆ + ˆb1 2+ˆb2 X2 + ˆb3 X3  = exp 2ˆb1 ,

γˆ2 =OR(X1 = 2 zu X1 = 0)= exp a ˆ + ˆb2 X2 + ˆb3 X3 γˆ2 =ˆ γ12 . Bei dieser Modellierung wird also ein multiplikatives Modell f¨ ur die Risiken des Gens vorausgesetzt, so dass γˆ2 = γˆ12 gilt. Die Effekte sind in der Regressionsgeraden der Logit-Formulierung additiv. M¨ochte man diese Voraussetzung ur heteronicht machen, so muss man statt X1 zwei Dummy-Variablen D1 =1 f¨ ur homozygote ε4-Allele-Tr¨ager, zygote ε4-Allele-Tr¨ ager, 0 sonst, und D2 =1 f¨ 0 sonst, in das Modell einbringen. Dann gilt γˆ1 = exp(ˆbD1 ),

γˆ2 = exp(ˆbD2 ).

M¨ ochte man als Zielvariable Y=1 (erkrankt) bzw. Y=0 (nicht erkrankt) gemeinsam mit dem Alter T bei Diagnose bzw. bei Krankheitsentstehung (age ¨ of onset) betrachten, so sind dies Uberlebenszeiten. Bei erkrankten Personen kennt man das Alter bei Diagnose, bei nicht erkrankten weiß man nur, dass

1.4

Statistische und epidemiologische Grundlagen

63

sie bis zum Untersuchungszeitpunkt (age at exam) noch nicht erkrankt waren ¨ (sogenannte zensierte Daten). Das wichtigste Modell zur Uberlebenszeitanalyse ist die Cox-Regression. Bezeichne h(t) die Hazardfunktion: h(t) =

f (t) 1 − F (t)

mit der Neuerkrankungsdichte f(t) zum Zeitpunkt T=t und der zugeh¨origen Verteilungsfunktion F(t). Dann ist der Hazard die Wahrscheinlichkeit zum Zeitpunkt t zu erkranken unter der Voraussetzung bis zu diesem Zeit u ¨ berlebt zu haben. Mit h0 (t) als sogenanntem Baseline-Hazard lautet die Modellgleichung
 h(t) ln =a ˆ + ˆb1 X1 + ˆb2 X2 + · · · + ˆbn Xn . h0 (t) Auch die Cox-Regression wird also durch Transformation als lineare Gleichung dargestellt. Man nennt sie auch proportionales Hazard-Modell, da f¨ ur verschiedene feste Werte der X-Variablen der Hazard u ¨ ber die Zeit proportional konstant bleibt. Der Einfluss des ApoE-ε4-Alleles auf Alzheimer zeigt sich auch durch eine Verschiebung des Alters bei Diagnose mit einem Allel-Dosis-Effekt. Dies l¨asst ¨ sich in einer Uberlebenszeitanalyse klar trennen (Corder et al. 1993), mit ager bei deutlich j¨ ungerem Alter schon dem Ergebnis, dass homozygote ε4 -Tr¨ eine h¨ ohere Erkrankungswahrscheinlichkeit haben als heterozygote und diese wiederum fr¨ uher erkranken als Personen ohne ε4 -Allel. Hat man ein Regressionsmodell aus den Daten gesch¨atzt, muss man pr¨ ufen, ob das Modell die Daten gut beschreibt (Regressionsdiagnostik). Z.B. k¨onnen Ausreißer (extreme Datenpunkte, outlier) die Regressionsgerade stark beeinflussen. Nicht um Null normalverteilte Residuen weisen auf ein nicht ad¨aquates lineares Modell hin. Die Modellsch¨ atzung ist optimal f¨ ur die vorhandenen Daten. Soll sie als Prognostisches Modell f¨ ur Vorhersagen verwendet werden, muss die G¨ ute an neuen prospektiven Daten festgestellt werden. Bei mehreren Variablen ben¨ otigt man Ein- und Ausschlusskriterien f¨ ur die Entwicklung eines multiplen Regressionsmodells. Wann ist eine Kovariable wichtig genug, um im Modell eingeschlossen zu werden? Vor allem bei einer großen Anzahl Kovariablen kann dies Probleme erzeugen, wie z.B. multiples Testen und Multikollinearit¨at (Abh¨ angigkeit unter den Einflussvariablen). In diesem Zusammenhang werden auch alternative Verfahren ohne Verteilungsannahmen wie Neuronale Netze eingesetzt. Der Vorteil ist eine hohe Flexibilit¨at. Nachteile sind die schlechte Anschaulichkeit der Ergebnisse (black box) sowie h¨ aufig schlechte Prognosen wegen der u ¨ berguten Anpassung (overfitting) an die vorhandenen Daten.

64

1.5

1. Grundlagen

1.5 Literatur B¨ ucher Becker PE (1988) Zur Geschichte der Rassenhygiene. Thieme Verlag: Stuttgart New York Becker PE (1990) Wege ins Dritte Reich. Thieme Verlag: Stuttgart New York Buselmaier W (2003) Biologie f¨ ur Mediziner 9. Auflage. Springer Verlag: Berlin Heidelberg Hilgers RD, Bauer P, Scheiber V (2003) Einf¨ uhrung in die Medizinische Statistik. Springer Verlag: Berlin Kreienbrock L, Schach S (2005) Epidemiologische Methoden 4. Auflage Spektrum akademischer Verlag: Heidelberg Strachan T, Read A (2004) Human Molecular Genetics 3. Auflage. Garland Publishing: New York Tariverdian G, Buselmaier W (2004) Humangenetik 3. Auflage. Springer Verlag: Berlin Heidelberg Vogel F, Motulsky AG (1997) Human Genetics Problems and Approaches 3. Auflage. Springer Verlag: Berlin Heidelberg New York Weiß C (2005) Basiswissen Medizinische Statistik 3. Auflage. Springer: Berlin Heidelberg New York Westfall PH, Young SS (1993) Resampling Based Multiple Testing: Examples and Methods f¨ ur p-Value Adjustment. John Wiley and Sons: Chichester Artikel Abbadi N, Philippe C, Chery M, Gilgenkrantz H, Tome F, Collin H, Theau D, Recan D, Broux O, Fardeau M, et al. (1994) Additional case of female monozygotic twins discordant for the clinical manifestations of Duchenne muscular dystrophy due to opposite X-chromosome inactivation. American Journal of Medical Genetics 52:198-206 ¨ Becker PE (1985) Living history biography: Peter Emil Becker. Ubersetzt von JM Opitz und umgeschrieben von LM Spano. American Journal of Medical Genetics 20:699-709 Bennett RL, Steinhaus KA, Uhrich SB, O’Sullivan CK, Resta RG, LochnerDoyle D, Markel DS, Vincent V, Hamanishi J (1995) Recommendations for standardized human pedigree nomenclature. Pedigree Standardization Task Force of the National Society of Genetic Counselors. American Journal of Human Genetics 56:745-752 Bickeb¨ oller H, Campion D, Brice A, Amouyel P, Hannequin D, Didierjean O, Penet C, Martin C, Perez-Tur J, Michon A, Dubois B, Ledoze F, Thomas-Anterion C, Pasquier F, Puel M, Demonet JF, Moreaud O, Babron

1.5

Literatur

65

MC, Meulien D, Guez D, Chartier-Harlin MC, Frebourg T, Agid Y, Martinez M, Clerget-Darpoux F (1997) Apolipoprotein E and Alzheimer disease: genotype-specific risks by age and sex. American Journal of Human Genetics 60:439-446 Bickel H (2000) Demenzsyndrom und Alzheimer Krankheit: Eine Sch¨atzung des Krankheitsbestandes und der j¨ ahrlichen Neuerkrankungen in Deutschland. Das Gesundheitswesen 62:211-218 Blaschke RJ, Rappold G (2006) The pseudoautosomal regions, SHOX and disease. Current Opinions in Genetics and Development 6:233-39 Box GEP, Cox DR (1964) An analysis of transformations. Journal of Royal Statistical Society 26:211-246 Caliebe A, Freitag S, Krawcazak M (2005) Stochastische Modelle f¨ ur Interaktion und Effektmodifikation. Medizinische Genetik 17:188-19 Corder EH, Saunders AM, Strittmatter WJ, Schmechel DE, Gaskell PC, Small GW, Roses AD, Haines JL, Pericak-Vance MA (1993) Gene dose of apolipoprotein E type 4 allele and the risk of Alzheimer’s disease in late onset families. Science 261:921-923 Efron B (2004) Large-Scale simultaneous hypothesis testing: The choice of a null hypothesis. Journal of the American Statistical Association 99:96-104 International Human Genome Sequencing Consortium (2004). Finishing the euchromatic sequence of the human genome. Nature 431:931-945 Newcombe RG (1981) A life table for onset of Huntington’s chorea. Annals of Human Genetics 45:375-385 Reiner A, Yekutieli D, Benjamini Y (2003) Identifying differentially expressed genes using false discovery rate controlling procedures. Bioinformatics 19:368-375 Stamm S, Ben-Ari S, Rafalska I, Tang Y, Zhang Z, Toiber D, Thanaraj TA, Soreq H (2005) Function of alternative splicing. Gene 344:1-20 Vogel F (1985) Introduction to P.E. Becker’s living history–biography. American Journal of Medical Genetics 20:695-697 Wu WM, Tsai HJ, Pang JH, Wang HS, Hong HS, Lee YS (2005) Linear allele-specific long-range amplification: a novel method of long-range molecular haplotyping. Human Mutation 26: 393-4. Zlotogora J (1998) Germ line mosaicism. Human Genetics 102:381-386 Webseiten www.cyrillicsoftware.com www.medgen.de/ped5/index.html www.mds.qmw.ac.uk/statgen/dcurtis/software.html OMIM Online Mendelian Inheritance in Man: www3.ncbi.nlm.nih.gov/omim/ www.progeny2000.com/overview.html

Kapitel 2 Populationsgenetik

2

2

2 Populationsgenetik 2.1 Einleitung ....................................................................... 2.2 Ein Genort ...................................................................... 2.2.1 Einflussfaktoren auf die Allelverteilungen ...................... 2.2.2 Hardy-Weinberg-Gleichgewicht ..................................... 2.2.3 Die Verteilung genetischer Varianten ............................. 2.3 Mehrere Genorte............................................................... 2.3.1 Kopplungsungleichgewicht f¨ ur zwei Genorte .................... 2.3.2 Haplotypen .............................................................. 2.4 Komplexere mathematische Modelle ..................................... 2.4.1 Vorw¨artsbetrachtung ganzer Populationen ...................... 2.4.2 R¨ uckw¨ artsbetrachtung mittels Koaleszenz ...................... 2.5 Ausblick.......................................................................... 2.6 Programme ...................................................................... 2.7 Literatur .........................................................................

69 69 70 70 76 84 89 89 93 101 101 102 103 103 105

2 Populationsgenetik 2.1 Einleitung Populationsgenetik besch¨ aftigt sich mit den genetischen Strukturen in Populationen und ihren Ver¨ anderungen im Lauf der Populationsgeschichte. Die Strukturen werden dabei durch Allelh¨ aufigkeiten und Genotyph¨aufigkeiten an einzelnen Loci sowie durch Haplotyph¨ aufigkeiten an mehreren Loci beschrieben. Populationsgenetik ist aus mehreren Gr¨ unden eine wichtige Grundlage der Genetischen Epidemiologie: Bei der Untersuchung komplexer genetischer Krankheiten wird die genetische Variation der DNA mit dem Vorhandensein der Krankheit und ihren verschiedenen Auspr¨ agungen in Verbindung gebracht. Daher ist die Kenntnis u ¨ber andere Ursachen genetischer Vielfalt in Populationen wichtig. Bei den statistischen Verfahren werden populationsgenetische Annahmen gemacht, die in konkreten Situationen u uft werden m¨ ussen. ¨ berpr¨ Methoden, die das Linkage Disequilibrium (s. Abschnitt 2.3.1) nutzen, basieren auf der Populationsgeschichte. Simulationsuntersuchungen zum Vergleich neu entwickelter Methoden m¨ ussen die wichtigsten populationsgenetischen Einflussfaktoren einbeziehen. Ergebnisse genetisch-epidemiologischer Studien in einer Population lassen sich in anderen Populationen h¨ aufig nicht wiederholen. M¨ogliche populationsgenetische Ursachen daf¨ ur sollen verstanden werden. Auf die genetischen Strukturen von Populationen wirken verschiedene Mechanismen ein. Beispielsweise seien hier genannt: die Vererbungsregeln von einer Generation zur n¨ achsten (Transmission), Wanderungsbewegungen (Migration), genetische Auslese (Selektion), Neuentstehung genetischer Varianten (Mutation), Ver¨ anderungen der Populationsgr¨oße und Paarungsverhalten. Zus¨ atzlich spielen komplexere Mechanismen wie etwa die Interaktion mit Infektionserregern eine wichtige Rolle f¨ ur die genetische Zusammensetzung der Populationen. Unter einer homogenen, idealen Population verstehen wir eine Menge reproduzierender Individuen, die geographisch benachbart sind, eine Sprache sprechen, die gleiche Kultur teilen und unter denen Zufallspaarung herrscht. Gibt es Subpopulationen innerhalb der gesamten Population, so liegt Zufallspaarung in den einzelnen Gruppen vor, nicht aber zwischen den Individuen der verschiedenen Gruppen. Es gibt keine Population in diesem idealisierten

2.1

70

2. Populationsgenetik

Sinn; der Begriff dient hier lediglich zum Verst¨andnis populationsgenetischer Grundmechanismen. Insgesamt sind starke Vereinfachungen bei der mathematischen Modellierung der Zusammenh¨ ange unvermeidbar. Wir werden in Abschnitt 2.2 zun¨ achst die wichtigsten populationsgenetischen Begriffe und Gesetzm¨ aßigkeiten in Bezug auf einen Locus besprechen. Danach gehen wir in Abschnitt 2.3 ausf¨ uhrlich auf die Entstehung und Ver¨anderung von Linkage Disequilibrium und Haplotypen ein. Dabei werden verschiedene Maße f¨ ur Linkage Disequilibrium besprochen und Methoden zur Haplotypsch¨ atzung vorgestellt. In Abschnitt 2.4 erl¨autern wir komplexere mathematische Modelle der Populationsgenetik insbesondere die Grundbegriffe der Koaleszenztheorie.

2.2

2.2 Ein Genort 2.2.1 Einflussfaktoren auf die Allelverteilungen 2.2.1.1 Mutation

Durch Mutation (s. Abschnitt 1.1.2.4) entstehen die verschiedene Allele an einem Locus. Die Mutationsrate µ ist definiert als die Anzahl neuer Mutationen pro Generation pro Gamet bezogen auf einen Locus, etwa ein definiertes Sequenzst¨ uck oder ein Gen oder ein Nukleotid. F¨ ur den Mutationsprozess wurden verschiedene populationsgenetische Modelle entwickelt. Ein wichtiges Modell ist das infinitively many alleles model. Hierbei tritt jede Mutation mit sehr geringer Wahrscheinlichkeit auf, und es gibt keine R¨ uckmutationen. Die meisten SNPs, bei denen das seltenere Allel h¨aufiger als 1% vorkommt, entstanden durch genau ein einziges historisches Mutationsereignis (Kruglyak und Nickerson 2001). Daher passt die Modellvorstellung hier gut. HsA bezeichnet im Folgenden die H¨aufigkeit des selteneren Allels (minor allele frequency, MAF) eines SNPs. F¨ ur einen Mikrosatellitenlocus gibt es Hin- und R¨ uckmutationen. Hierf¨ ur verwendet man ein schrittweises Mutationsmodell. Es wird angenommen, dass bei jeder Neumutation mit gleicher Wahrscheinlichkeit ein Allel entsteht, bei dem die Repeatzahl um eins vermehrt oder verringert ist. Sch¨ atzungen der Mutationsraten wurden zun¨ achst vorwiegend f¨ ur monogene, autosomal dominante und X-chromosomal rezessive Krankheiten durch¨ gef¨ uhrt (Ubersicht bei Vogel und Motulsky 1997, S. 398). Sie liegen in der ur Mikrosatelliten liegen in Gr¨ oßenordnung von 10−4 – 10−6 . Mutationsraten f¨ ur SNPs von 10−9 – 10−8 (Jobling der Gr¨ oßenordnung von 10−4 – 10−2 und f¨ et al. 2004, S. 50, Ellegren 2004).

2.2

Ein Genort

71

2.2.1.2 Genetische Drift

In endlichen, kleinen Populationen mit N Individuen gibt es von Generation zu Generation durch reinen Zufall, ohne das Wirken anderer Mechanismen, Schwankungen bei den Allel- und Genotyph¨ aufigkeiten. Abb 2.1 zeigt je 10 Simulationen f¨ ur Populationen der konstanten Gr¨oßen N=20 (Abb. 2.1A) und N=100 (Abb. 2.1B), wobei P(A) die Allelh¨aufigkeit von A bezeichnet. Die Betrachtung endlicher Populationen unter den Voraussetzungen, dass die Generationen nicht u ¨ berlappen, dass jede Generation dieselbe Populationsgr¨oße hat, und dass keine anderen Einfl¨ usse wirken als die zuf¨allige Vererbung der Allele, wird Wright-Fisher-Modell genannt. In einer solchen idealisierten Population kommt es mit Wahrscheinlichkeit 1 zur Fixierung eines Allels. Die anderen Allele werden nicht weitervererbt, sondern sie verschwinden aus der Population. Dies geschieht umso schneller, je kleiner die Population ist. A

B

Abbildung 2.1. Genetische Drift (erstellt mit PopGen

http://evolution.gs.washington.edu/) je 10 Simulationen f¨ ur eine endliche Population konstanter Gr¨ oße A: 20 Personen und B: 100 Personen, P(A) ist die Allelh¨ aufigkeit von A.

Welches Allel in der Population verbleibt, ist zuf¨allig. Genetische Drift verursacht die Elimination von Allelen, wirkt damit der Vielfalt entgegen und sorgt f¨ ur Divergenz zwischen verschiedenen Populationen. Innerhalb des WrightFisher-Modells kann gezeigt werden, dass h¨ aufige Allele ¨alter sind als weniger h¨ aufige und dass die H¨ aufigkeit eines Allels etwa proportional zu seinem Alter ist (Hartl 1980). 2.2.1.3 Migration, Flaschenhals und Subpopulationen

Auswanderung kleiner Gruppen von Menschen und extreme Verkleinerungen einer Population haben einen starken Einfluss auf die Verteilung der Allele, wie Abb 2.2 schematisch veranschaulicht. Bei Migration verl¨asst eine kleine Gruppe, wir nennen sie Migrationspopulation, eine Ausgangspopulation (s. Abb. 2.2.A) und zieht beispielsweise in eine unbesiedelte Gegend. Ist der Prozess einmalig, so entwickeln sich Ausgangspopulation und Migrationspopulation durch Drift unterschiedlich im Hinblick auf die Allelh¨aufigkeiten.

72

2. Populationsgenetik

Migration

A

Zeit

Flaschenhals

Abbildung 2.2. Schematische Darstellung

B

der Migration und des Flaschenhalses (nach Jobling et al. 2004, S. 133).

H¨aufige Hin- und R¨ uckmigrationen wirken der genetischen Divergenz entgegen. Drastische Verkleinerungen der Populationsgr¨oße durch ¨außere Einfl¨ usse wie zum Beispiel Hungersnot oder Epidemien (s. Abb. 2.2.B) nennt man Flaschenhals (bottleneck). Sowohl durch Migration einer kleinen Gruppe als auch durch einen Flaschenhals verringert sich die Anzahl der Allele. Dies nennt man Gr¨ undereffekt (founder effect). 2.2.1.4 Selektion

Das Konzept Darwinscher Fitness besagt, dass sich nicht alle Individuen unter gegebenen Umweltbedingungen gleich gut vermehren. In Abh¨angigkeit vom Genotyp haben sie verschiedene Reproduktionswahrscheinlichkeiten. Biologisch kann dieser Effekt zu verschiedenen Lebenszeitpunkten verursacht wer¨ den: Bei bestimmten Genotypen reduziert sich die Uberlebenswahrscheinlichkeit der Zygoten; Individuen u ¨ berleben nicht bis zum Reproduktionsalter oder haben eine reduzierte Fruchtbarkeit. Vom Blickwinkel der Populationsgenetik aus spielt dieser Unterschied keine Rolle. Wir betrachten einen Locus mit zwei Allelen A, a und den entsprechenden Allelh¨aufigkeiten p und q = 1 − p. In Tabelle 2.1 ist dargestellt, wie sich die Genotyph¨aufigkeiten von einer Generation zur n¨ achsten ver¨ andern, wenn Selektion gegen die Homozygoten vom Typ aa stattfindet. Die Allelh¨ aufigkeit q des Allels a nimmt von Generation zu Generation in Abh¨ angigkeit vom Selektionskoeffizienten s ab. Der Prozess verl¨ auft sehr langsam. Bei einigen Formen von Selektion entwickeln sich stabile Allelh¨aufigkeiten. Dies geschieht zum Beispiel beim sogenannten Heterozygotenvorteil. Hier liegt Selektion gegen beide Formen der Homozygotie vor (s. Tab. 2.2). Die jeweiligen Selektionskoeffizienten seien mit s1 und s2 bezeichnet. Die Allelh¨aufigkeiten im Gleichgewichtszustand lauten p∗ = s2 /(s1 + s2 ) und q∗ = s1 /(s1 + s2 )

2.2

Ein Genort

73

Tabelle 2.1. Selektion gegen aa-Homozygote. Biallelischer Locus mit Allelen A, a und

Allelh¨ aufigkeiten p, q; s sei der Selektionskoeffizient, K = (p2 + 2pq + q 2 (1 − s)), Division durch die Summe K ergibt die H¨ aufigkeiten in der n¨ achsten Generation.

AA

Aa

aa

H¨ aufigkeiten in Generation T

p2

2pq

q2

Fitness

1

1

1−s

2pq

q 2 (1 − s)

2pq/K

q 2 (1 − s)/K

2

nach Selektion

p

H¨ aufigkeiten in Generation T+1

p2 /K

(Berechnung und weitere Beispiele zur Selektion finden sich in Vogel und Motulsky 1997, S. 509-516). Tabelle 2.2. Heterozygotenvorteil. Biallelischer Locus mit Allelen A, a und Allelh¨ aufigkei-

ten p, q; s1 , s2 sind die Selektionskoeffizienten, K = p2 (1 − s1 ) + 2pq + q2 (1 − s2 ), Division durch die Summe K ergibt die H¨ aufigkeiten in der n¨ achsten Generation.

AA

Aa

Aa

2

H¨ aufigkeiten in Generation T Fitness

p 1 − s1

2pq 1

q2 1 − s2

nach Selektion

p2 (1 − s1 )

2pq

q 2 (1 − s2 )

H¨ aufigkeiten in Generation T+1

p2 (1 − s1 )/K

2pq/K

q 2 (1 − s2 )/K

Wenn f¨ ur eine monogene, autosomal rezessive Krankheit Selektion gegen die Betroffenen vorliegt, m¨ usste die Allelh¨ aufigkeit abnehmen. Ist dies nicht der Fall, so vermutet man Heterozygotenvorteil. Ein gut untersuchtes Beispiel ist die Sichelzellan¨ amie. Beispiel: Heterozygotenvorteil bei Sichelzellan¨amie Die weltweit sehr ungleiche Verteilung des Allels, das bei homozygoten Alleltr¨ agern Sichelzellan¨ amie verursacht, f¨ uhrte zur Entdeckung des Heterozygotenvorteils gegen¨ uber dem Malariaerreger. Sichelzellan¨amie wird durch eine Punktmutation im Gen f¨ ur das β-H¨ amoglobin verursacht. Homozygote bekommen eine h¨ amolytische An¨ amie und schwerwiegende Symptome in weiteren Organen. Die Erythrozyten sind sichelf¨ormig ver¨andert. Bei Heterozygoten sind 25%-40% der Erythrozyten betroffen. Sie sind aber klinisch weitgehend normal und erkranken weniger h¨aufig an Malaria. Die Heterozygotenh¨ aufigkeit ist bei den (¨ uberlebenden) Erwachsenen in MalariaInfektionsgebieten h¨ oher als bei den Kindern. Es ist zu erwarten, dass bei nachlassendem Selektionsdruck, also etwa bei Auswanderung einer Gruppe in eine Gegend ohne Malaria, die Allelh¨ aufigkeit f¨ ur das Allel der Sichelzellan¨ amie niedriger wird. Diese Erwartung konnte beim Vergleich zweier Grup-

74

2. Populationsgenetik

pen best¨ atigt werden, die urspr¨ unglich aus derselben afrikanischen Region stammten. Bei einer in Curacao (kein Malariagebiet) lebenden Gruppe wurde im Vergleich zu einer Gruppe im Surinam (Malariagebiet) eine geringere Allelh¨ aufigkeit festgestellt. Dieses und weitere Beispiele f¨ ur Selektion infolge von Infektionskrankheiten werden ausf¨ uhrlich in Vogel und Motulsky (1997, S. 520-533) behandelt. Im Zusammenhang mit dem Begriff Selektion ist die sogenannte Neutralit¨atshypothese erw¨ ahnenswert. Sie besagt, dass die meisten Marker das Reproduktionsverhalten nicht beeinflussen, in diesem Sinne also neutral sind. Die Allelverteilungen an neutralen Loci sind also ausschließlich durch andere Kr¨afte der Evolution beeinflusst. Wenn die Neutralit¨atshypothese stimmt, dann reflektiert das Muster der Allelverteilungen vieler Marker eine Art evolution¨ares Rauschen. Die Neutralit¨ atshypothese wird kontrovers diskutiert (Vogel und Motulsky 1997, S. 597-600). 2.2.1.5 Zufallspaarung

Bisher sind wir von Zufallspaarung ausgegangen. Diese Annahme ist sicher im Allgemeinen nicht richtig. Sie ist aber in Bezug auf viele Genorte gerechtfertigt, von denen man annehmen kann, dass sie nicht mit der Partnerwahl korrelieren. Abh¨ angig vom Ph¨ anotypen, der in einer Studie untersucht werden soll, muss die M¨ oglichkeit selektiver Paarung (assortative mating) in Betracht gezogen ¨ werden. Eine nicht zuf¨ allige Partnerwahl hinsichtlich des Außerlichen scheint plausibel, und sollte zum Beispiel bei der Analyse der genetischen Komponenten der Adipositas ber¨ ucksichtigt werden. Eine besondere Form der nicht Tabelle 2.3. Ver¨ anderung der Genotyph¨ aufigkeiten in Verwandtenehen mit Inzucht-

koeffizient F f¨ ur einen biallelischen Locus mit Allelen A und a und Allelh¨ aufigkeiten p und q, K = (1 − F )p2 + F p + 2(1 − F )pq + (1 − F )q 2 + F q, Division durch die Summe ergibt die H¨ aufigkeiten in der Generation T+1.

AA 2

Aa

aa

2pq

q2

Generation T

p

nach Selektion

(1 − F )p2 + F p

2(1 − F )pq

(1 − F )q 2 + F q

Generation T+1

((1 − F )p2 + F p)/K

2(1 − F )pq/K

((1 − F )q 2 + F q)/K

zuf¨ alligen Partnerwahl liegt in Populationen mit traditionellen Verwandtenehen vor. H¨ aufige Verwandtenehen erh¨ ohen den Anteil der Homozygoten an einem autosomalen Genort. Kinder aus solchen Ehen k¨onnen aus zwei Gr¨ unden an einem autosomalen Genort homozygot sein, n¨amlich entweder, weil zwei gleiche Allele aus der Population zuf¨ allig zusammentreffen oder aber, viel

2.2

Ein Genort

75

wahrscheinlicher, weil das gleiche Allel eines gemeinsamen Vorfahren sowohl u ¨ber den Vater als auch u ¨ ber die mit ihm verwandte Mutter ererbt wurde. Im letzteren Fall nennt man ein Individuum autozygot, bei allen anderen Genotypen allozygot. Die Heterozygotenh¨ aufigkeit in der Ausgangsgeneration verringert sich bei Verwandtenehen um den sogenannten Inzuchtkoeffizienten (inbreeding coefficient) F . Dieser ist definiert als die Wahrscheinlichkeit, dass ein Individuum an einem Locus autozygot ist. Die Genotyph¨aufigkeiten in Tabelle 2.3 errechnet man folgendermaßen: Bei einem Kind mit Genotyp aa ist der Locus mit Wahrscheinlichkeit F autozygot und mit Wahrscheinlichkeit 1-F allozygot. Die Wahrscheinlichkeit, dass autozygot aa vorliegt, ist gerade die Allelh¨ aufigkeit q von a in der Population mal F, w¨ahrend allozygot aa mit ur den Genotyp Wahrscheinlichkeit q2 mal (1-F) auftritt. Dies gilt analog f¨ AA. Die H¨ aufigkeit von Aa, das nicht autozygot sein kann, ergibt sich durch 2pq mal (1-F). Die Summe aller H¨ aufigkeiten muss wieder eins sein. Das Bei-

1

2



 3 5

4





 7

6 Abbildung 2.3. Schema zur Berechnung des

Inzuchtkoeffizienten F f¨ ur ein Kind aus einer Ehe zwischen Cousin und Cousine 1. Grades.

spiel in Abbildung 2.3 illustriert, wie f¨ ur Kinder aus einer Verbindung von Cousin und Cousine 1. Grades der Inzuchtkoeffizent in Familien berechnet wird. Angenommen die gemeinsame Großmutter 1 der Partner 5 und 6 ist heterozygot an einem Locus. Die Wahrscheinlichkeit, dass beide die Kopien eines bestimmten großm¨ utterlichen Allels geerbt haben, ist (1/2)4 , denn genau dieses Allel muss bei 4 Meiosen weitergegeben worden sein. Da wir uns nicht daf¨ ur interessieren, welches der beiden Allele es ist, gilt: Die Wahrscheinlichutterkeit ist 2(1/2)4 , dass die Personen 5 und 6 ,,dasselbe“ der beiden großm¨ lichen Allele gemeinsam geerbt haben. Dies gilt ebenso f¨ ur die Allele des Großvaters. Insgesamt ist die Wahrscheinlichkeit 2(1/2)4 + 2(1/2)4 = 1/4, dass beide ein gleiches Allel von einem der gemeinsamen Großeltern geerbt haben. ur genau dieses Person 7 ist mit Wahrscheinlichkeit 1/4 · 1/4 = 1/16 homozygot f¨ gemeinschaftlich geerbte Allel der Eltern, d.h. ihr Inzuchtkoeffizient ist 1/16 . Der Inzuchtkoeffizient ist eine Kenngr¨ oße bezogen auf eine Person. Hat ein

76

2. Populationsgenetik

Individuum den Inzuchtkoeffizienten F, dann haben die Eltern den Verwandtschaftskoeffizienten (coefficient of relationship) G=2F. Er gibt an, mit welcher Wahrscheinlichkeit zwei Individuen eine Kopie eines bestimmten Allels von einem gemeinsamen Vorfahren geerbt haben. Der Verwandtschaftskoeffizient von Cousin und Cousine 1. Grades ist 1/8. Der Einfachheit halber wurden die Mechanismen der Evolution hier einzeln betrachtet. In Wirklichkeit wirken sie zusammen und beeinflussen dadurch die Allelverteilungen im Laufe der Generationen. Betrachtet man beispielsweise die Duchennsche Muskeldystrophie (DMD), so m¨ ussen hier Selektion und Mutation betrachtet werden. Betroffene haben keine Kinder. G¨abe es keine Neumutationen, so w¨ urde die Krankheit langsam aus den Populationen verschwinden. Da sich weltweit gleichbleibende Inzidenzen, d.h. Neuerkrankungsraten, zeigen, wird davon ausgegangen, dass die Verluste von Krankheitsallelen durch Neumutationen ausgeglichen werden. Dies ist die Annahme eines Mutations-Selektions-Gleichgewichts. Sie f¨ uhrt zur indirekten Methode der Mutationsratensch¨ atzung und erm¨ oglicht auch Risikoberechnungen in Familien mit DMD-Erkrankten (s. Kap. 6). 2.2.1.6 Pr¨ aferenzielle Transmission

Die Abweichung von der Annahme, dass jedes elterliche Allel mit der Wahrscheinlichkeit 1/2 an einen Nachkommen weitergegeben wird, bezeichnet man als pr¨aferenzielle Transmission (transmission distortion, segregation distortion). Beim Menschen wurden einzelne Hinweise auf die Existenz pr¨aferenzieller Transmission gefunden, z.B. auf Chromosom 10 (Paterson und Petronis 1999), Chromosom 6 (Crouau-Roy und Clayton 2002) oder auf dem X-Chromosom bei Frauen (Balaresque et al. 2004). Eine genomweite Untersuchung von 148 Kernfamilien zeigte eine signifikante pr¨aferenzielle Transmission auf verschiedenen Chromosomen von unterschiedlicher, aber insgesamt eher geringer St¨ arke (Z¨ ollner et al. 2004). Pr¨aferenzielle Transmission scheint bei weiblichen Nachkommen h¨ aufiger zu sein als bei m¨annlichen. Die Existenz einer pr¨ aferenziellen Transmission kann Konsequenzen f¨ ur Genkartierungsmethoden haben, da einige nicht robust gegen Abweichungen von der Unabh¨ angigkeitsannahme sind, z.B. Transmission-Disequilibrium-Tests oder Kopplungstests. 2.2.2 Hardy-Weinberg-Gleichgewicht 2.2.2.1 Herleitung

Das Hardy-Weinberg-Gleichgewicht (Hardy-Weinberg Equilibrium, HWE) (Hardy 1908, Weinberg 1908) ist einer der Grundsteine der Populationsgenetik diploider Organismen. Es wird bei vielen statistischen Verfahren voraus-

2.2

Ein Genort

77

gesetzt. Unter bestimmten Voraussetzungen stellt sich an einem biallelischen Locus mit den Allelen A, a und den Allelh¨ aufigkeiten p, q in sehr großen Population bereits nach einer Generation ein Gleichgewicht f¨ ur die Genotyph¨ aufigkeiten ein. Es gilt dann: P (AA)= p2 P (Aa) = 2pq

(2.1)

2

P (aa) = q . Die Voraussetzungen sind: Jedes elterliche Allel wird mit Wahrscheinlichkeit an einen Nachkommen vererbt; es gibt keine Selektion gegen einen der Genotypen; es existiert Zufallspaarung; es gibt keine Ab- oder Zuwanderung und keine Mutation, und die Population ist unendlich groß. Diese Bezeichnung wird in der Populationsgenetik verwendet, wenn die Population so groß ist, dass kleinere Ver¨ anderungen der Populationsgr¨oße praktisch keinen Einfluss auf die Allelh¨ aufigkeiten haben. Selbst wenn sich in einer Generation die Genotypenh¨aufigkeiten ver¨andern, etwa durch einmalige Zuwanderung einer großen Gruppe, stellt sich unter den genannten Voraussetzungen in der n¨ achsten Generation bereits wieder ein Gleichgewicht ein. Die Genotyph¨ aufigkeiten in der Ausgangsgeneration seien folgendermaßen bezeichnet: P (AA) = Q, P (Aa) = R, P (aa) = S. Es gilt Q + R + S = 1. In Tabelle 2.4 sind f¨ ur jeden m¨ oglichen Paarungstyp der Eltern die Wahrscheinlichkeiten f¨ ur die m¨ oglichen Genotypen eines Kindes GK bedingt auf die elterliche Genotypkombination GE , P (GK |GE ), aufgelistet.

1/2

Tabelle 2.4. Demonstration des Hardy-Weinberg-Gleichgewichts. Paarungstyp

Wahrscheinlichkeit

Bedingte Wahrscheinlichkeit f¨ ur die Genotypen der Nachkommen P(G K |G E )

P(G E )

AA

Aa

aa -

2

AA ×

AA

Q

1

-

AA ×

Aa

2QR

1/2

1/2

-

AA ×

aa

2QS

-

1

-

Aa ×

Aa

R2

1/4

1/2

1/4

-

1/2

1/2

-

-

1

P(AA)

P(Aa)

P(aa)

Aa × aa

×

Summe

aa

2RS

aa

2

S

Das Gleichgewicht ist in der Generation der direkten Nachkommen bereits erreicht. Die Summe der Wahrscheinlichkeiten aller elterlichen Genotypkombinationen ist 1. Es trifft jeweils nur eine Genotypkombination bei den Eltern

78

2. Populationsgenetik

zu, so dass diese disjunkte Ereignisse darstellen (s. Kapitel 1). In der Kindergeneration berechnen wir die Genotypwahrscheinlichkeiten nach dem Satz von der totalen Wahrscheinlichkeit. Man erh¨ alt die Genotypenwahrscheinlichkeiten als gewichtete Summe u ¨ ber alle elterlichen Genotypkombinationen: P (GK ) =



P (GK |GE )P (GE ).

(2.2)

GE

Jeder Eintrag der bedingten Wahrscheinlichkeit f¨ ur den Genotyp des Kindes wird mit der jeweiligen Wahrscheinlichkeit f¨ ur die Genotypkombination bei den Eltern multipliziert und abschließend wird spaltenweise summiert. Die Rechnung f¨ uhren wir beispielhaft f¨ ur den Genotyp AA durch: P(AA)=1 Q2 + 12 2QR + 14 R2 = Q2 + QR + 14 R2 = (Q + R/2)2 . Ebenso berechnet man unter Nutzung der Gleichung 2.2: P(Aa) = 2(Q+R/2)(S+R/2), P(aa) = (S+R/2)2 . Es folgt aus der Zufallspaarung ebenfalls: P(AA)=p2 ,

P (Aa) = 2pq,

P (aa) = q 2 .

Daher gilt: p = Q + R/2,

q = S + R/2.

Bei einer Stichprobe aus einer Population im HWE kann man die Allelh¨aufigkeiten an einem Locus mit zwei Allelen sch¨ atzen, wenn man entweder nur die Anzahl der Heterozygoten oder die Anzahl eines der beiden Typen von Homozygoten kennt. Tritt in einer Population eine monogene, autosomal rezessive Krankheit in 1 von 10.000 Lebendgeburten auf, dann hat das Krankheitsallel eine H¨ aufigkeit von q = 1/10.000 = 0, 01. Die Heterozygotenh¨aufigkeit H betr¨ agt dann 2q(1 − q) = 2/100(1 − 1/100) ∼ 0, 02. Ist umgekehrt in der Literatur die Heterozygotenh¨ aufigkeit H f¨ ur eine solche Krankheit angegeben, dann lassen sich die Allelh¨ aufigkeiten aus der H¨aufigkeit der Heterozygoten in der Population durch Anwendung der binomischen Formel berechnen, denn L¨osungsformel f¨ ur es gilt 2pq = 2p − 2p2 = H, und aus der allgemeinen  quadratische Gleichungen erh¨ alt man: p, q = 0, 5 ± 0, 25 − H/2 .

2.2

Ein Genort

79

F¨ ur autosomal dominante Krankheiten mit einer sehr kleinen H¨aufigkeit q des Krankheitsallels l¨ asst sich aus dem HWE ablesen, dass sich unter den Kranken mit insgesamt 2pq + q 2 nur ein ganz geringer Anteil an Homozygoten undet die h¨ aufig gemachte vereinfachende befindet: q 2 /(2pq + q 2 ). Dies begr¨ Annahme, dass bei seltenen Krankheiten die Kranken heterozygot am Krankheitsgenort seien. Bei Markern mit n Allelen gibt es Heterozygote mit n(n-1)/2 verschiedenen Allelkombinationen. Die Heterozygosit¨at H gibt an, mit welcher Wahrscheinlichkeit eine Person am betrachteten Locus heterozygot ist. pi pj , wobei p1 , ..., pn die Allelh¨ aufigkeiten der Allele A1 , ..., An H = i
=j

bezeichnen, und i,j = 1,...,n. (Mathematisch k¨ urzer formuliert und k¨ unftig auch so verwendet: pi =P(Ai ), i=1,. . . ,n.) Abb. 2.4.A zeigt, dass die Heterozygosit¨ at bei einem Marker mit zwei Allelen nicht gr¨oßer als 0,5 werden kann und dass H maximal ist, wenn beide Allele gleich h¨aufig sind. Abb. 2.4.B zeigt, wie f¨ ur gleiche Allelh¨ aufigkeiten die Heterozygosit¨at mit der Anzahl der Allele steigt. A

B 1

Heterozygosität

Heterozygosität

1

0,8

0,6

0,8

0,6

0,4

0,4

0,2

0,2

0

0 0

0,2

0,4

0,6

0,8

1

0

2

4

6

8

10

Allelhäufigkeit

12

14

Allelzahl

Abbildung 2.4. Heterozygosit¨ at eines autosomalen Locus in Abh¨ angigkeit von

Allelh¨ aufigkeit bzw. -zahl. A: 2 Allele, B: n Allele mit gleicher Allelh¨ aufigkeit.

Ein weiteres Maß f¨ ur die Variabilit¨ at eines Markers ist der PIC-Wert (polymorphism information content), der vor allem bei Kopplungsanalysen genutzt wird. Der PIC-Wert ist die Wahrscheinlichkeit, dass von zwei zuf¨allig ausgew¨ ahlten Personen eine heterozygot ist und die zweite nicht den gleichen

80

2. Populationsgenetik

Genotypen tr¨ agt. P IC = 1 −

n 

p2i −

n−1 

i=1

n 

2p2i p2j .

(2.3)

i=1 j=i+1

Je h¨ oher H und PIC-Wert, desto besser ist der Marker f¨ ur Kopplungsanalysen geeignet. H und PIC sind maximal, wenn alle Allele gleich h¨aufig sind. 2.2.2.2 Hardy-Weinberg-Gesetz f¨ ur X-chromosomale Genorte

F¨ ur X-chromosomale Genorte bezeichnen wir die Allelh¨aufigkeiten bei M¨annern in der Elterngeneration mit pm und qm und bei Frauen mit pf und qf . Dann gilt f¨ ur die Genotyph¨ aufigkeiten der n¨ achsten Generation (s. Tab. 2.5): P (AA) = pf pf pm +pf qf pm =pf pm P (Aa) = pf qf pm +pf pf qm +pf qf qm +qf qf pm =pf qm +qf pm P (aa)

= pf qf qm +qf qf qm =qf qm

P (A)

= pf pf pm +pf qf pm +pf pf qm +pf qf qm =pf pm +pf qm =pf

P (a)

= pf qf pm +pf qf qm +qf qf pm +qf qf qm =pf qf +qf qf =qf

Tabelle 2.5. Hardy-Weinberg-Gesetz f¨ ur einen X-chromosomalen Locus bei ungleichen

Allelh¨ aufigkeiten f¨ ur Frauen (f) und M¨ anner (m). Bedingte Wahrscheinlichkeit f¨ ur die Genotypen der Nachkommen P (GK |GE) Paarungstyp

Wahrscheinlichkeit

AA x

A

p2f pm

AA x

a

p2f qm

Aa

x

A

2pf qf pm

Aa

x

a

2pf qf qm

T¨ ochter

S¨ ohne

AA

Aa

aa

A

a

1

-

-

1

-

-

1

-

1

-

1/2

1/2

-

1/2

1/2

-

1/2

1/2

1/2

1/2

aa

x

A

q2f

pm

-

1

-

-

1

aa

x

a

q2f qm

-

-

1

-

1

P(AA)

P(Aa)

P(aa)

P(A)

P(a)

Summe

Falls die Allelh¨ aufigkeiten f¨ ur M¨ anner und Frauen gleich waren, tritt nach einer Generation ein Gleichgewicht ein. Ansonsten gilt: Die Allelh¨aufigkeiten der M¨ anner in der Nachkommengeneration stimmen mit denen der Frauen in der vorangegangenen Generation u ur P(aa) und ¨ berein. Aus den Formeln f¨ P(Aa) berechnet sich die H¨ aufigkeit des Allels a bei Frauen in der Nachkommengeneration, q’f :

2.2

Ein Genort

81

qf = qf qm +1/2 (pf qm + qf pm ) =1/2qf qm +1/2qf qm +1/2pf qm + 1/2 qf pm =1/2qf +1/2qm Sie ist das Mittel aus den Allelh¨ aufigkeiten bei Frauen und M¨annern in der Elterngeneration. Der Unterschied zwischen den Allelh¨aufigkeiten verringert sich von Generation zu Generation um die H¨ alfte. 2.2.2.3 Tests auf Hardy-Weinberg-Gleichgewicht

Starke Abweichungen vom HWE in der Stichprobe werden oft durch Datenfehler erzeugt (s. z.B. Tab. 2.6) oder durch die Existenz von Subpopulationen oder durch selektive Paarung. Daher stehen Tests auf das Hardy-WeinbergGleichgewicht oft am Anfang der Datenanalysen. Bei Fall-Kontroll-Studien erwartet man HWE in der Kontrollgruppe jedoch nicht unbedingt in der Gruppe der F¨ alle. Denn falls ein Markerallel bevorzugt mit einem disponierendem Allel auf einem Chromosom vorkommt, reichern sich die entsprechenden Genotypen in der Fall-Gruppe an. Diesen Effekt werden wir im Kapitel Assoziationsanalysen ausf¨ uhrlich besprechen. Man sch¨ atzt zun¨achst die Allelh¨ aufigkeiten nach der Allelz¨ahlmethode, d.h. die Anzahl beobachteter Allele wird durch die Gesamtzahl der Allele 2N geteilt, wobei N die Anzahl der Personen in der Stichprobe bezeichnet. Anschließend wird berechnet, wie die erwarteten Genotyph¨aufigkeiten unter HWE w¨ aren und vergleicht beobachtete und erwartete Anzahlen von Genotypen werden mit einem Chiquadrattest. Allgemein gilt: Bei einem Marker mit n Allelen gibt es n(n + 1)/2 Genotypen; man muss n-1 Allelh¨aufigkeiten sch¨ atzen. Daher hat die Teststatistik eine Chiquadratverteilung mit k = n(n + 1)/2 − 1 − (n − 1) Freiheitsgraden. F¨ ur n = 2 ist k = 1. Beispiel: Test auf Hardy-Weinberg-Gleichgewicht Tabelle 2.6 zeigt f¨ ur eine Zufallsstichprobe von 46 Personen die beobachteten und unter HWE erwarteten Anzahlen der Genotypen eines Insertion/Deletion (I/D) Polymorphismus in einem Intron des Gens f¨ ur das Angiotensin Converting Enzym (ACE). Dieser Polymorphismus ist mit verschiedenen kardiovaskul¨ aren Krankheiten assoziiert. Aus den beobachteten Genotypen ergibt sich f¨ ur die Allelh¨ aufigkeiten pI = (19 + 2)/46 = 0, 456 und pD = (23 + 2)/46 = 0, 544. Tabelle 2.6. Beobachtete und unter HWE erwartete Genotyph¨ aufigkeiten des ACE-

Polymorphismus, I bezeichnet die Insertion und D die Deletion (Fu-Tien et al. 1998).

beobachtet

II 19

ID 4

DD 23

erwartet

9,6

22,8

13,6

82

2. Populationsgenetik

Blick in die Geschichte 2: Hardy-Weinberg-Gesetz (Crow 1999) Das Hardy-Weinberg-Gesetz wurde 1908 zun¨ achst von dem Stuttgarter Frauenarzt Wilhelm Weinberg (1862-1937) (Weinberg 1908) und kurz darauf unabh¨ angig davon von dem britischen Mathematiker Godfrey Harold Hardy (1877-1947) (Hardy 1908) ver¨ offentlicht. Hardy begegnete Weinberg nie und wusste zu dem Zeitpunkt nichts von Weinbergs Arbeit. F¨ ur beide Wissenschaftler war das Gesetz, mit dem wir heute ihre Namen verbinden, eher unbedeutend im Rahmen ihrer anderen Ver¨ offentlichungen. Weinberg, geboren in Stuttgart, studierte in T¨ ubingen und M¨ unchen und kehrte 1889 nach Stuttgart zur¨ uck. Er war ein mit Routinet¨ atigkeiten vielbesch¨aftigter Arzt, war verheiratet und hatte f¨ unf Kinder. Er schrieb insgesamt mehr als 160 Ver¨offentlichungen, die außerhalb von Deutschland nahezu keine Beachtung fanden. Er publizierte zu den Themen Zwillingsforschung, famili¨are Korrelation, Korrektur von Auswahlverzerrung. Er untersuchte Antizipation sowie die Abh¨ angigkeit der Neumutationsraten vom Alter. Er forschte allein und entwickelte eine eigene ungew¨ohnliche Notation, die es erschwerte, seine Arbeiten zu verstehen. Viele seiner brillianten Ideen wurden aufgegriffen und weiterentwickelt. Hardy wird als der bedeutendste englische Mathematiker des letzten Jahrhunderts bezeichnet. Er war als Professor f¨ ur reine Mathematik in Oxford und Cambridge t¨atig und lebte in R¨ aumen seiner Colleges. Er f¨ uhrte ein aktives wissenschaftliches Leben mit produktiven Kooperationen mit anderen bekannten Mathematikern. Das HWE muss ihm als eine einfache Anwendung der binomischen Formel trivial vorgekommen sein. Bis 1943 auch Weinbergs Arbeit international Aufmerksamkeit fand, wurde es im englischsprachigen Raum als das Hardy-Gesetz gelehrt. Dabei hatte Weinberg bereits weitergehende Aussagen als Hardy gemacht. Weinberg zeigte das Gesetz auch f¨ ur mehr als zwei Allele, deren Existenz er postulierte, obwohl Loci mit mehr als zwei Allelen noch nicht entdeckt worden waren.

2.2

Ein Genort

83

Die Teststatistik

χ21 =

3  (Oi − Ei )2 i=1

Ei

,

bei der u ¨ ber alle 3 Genotypen summiert wird, hat unter HWE eine Chiquadratverteilung mit 1 Freiheitsgrad, und nimmt hier den Wert χ2 =31,7 an. Der p-Wert ist p = 1, 3 · 10−7 . Also zeigt die Zufallsstichprobe eine signifikante Abweichung vom Hardy-Weinberg-Gleichgewicht. Die Ursache konnte gefunden werden. Es stellte sich heraus, dass bei der PCR (s. Exkurs 1) das D-Allel bevorzugt vervielf¨ altigt wird und daher in vielen F¨allen statt ID f¨alschlicherweise der Genotyp DD gemessen wurde. Durch die Verbesserung der PCR-Technik konnte das Problem behoben werden (Fu-Tien et al. 1998). F¨ ur den beschriebenen Test sind allerdings auch bei Stichprobengr¨oßen von 1.000 die asymptotischen Verteilungen der Teststatistiken nicht unbedingt g¨ ultig (Wigginton et al. 2005). Daher sind exakte Testverfahren zu empfehlen (s. z.B. Guo und Thompson 1992). Die genannten Tests sind zur Entdeckung von Abweichungen konstruiert und nicht zur Pr¨ ufung, ob eine erwartete Verteilung mit einer beobachteten Vertei¨ lung a quivalent ist. Eine Alternative basierend auf dem Aquivalenztestprinzip ¨ wurde f¨ ur einen Locus mit zwei Allelen von Wellek (2004) entwickelt.

Abbildung 2.5. Isolierte Subpopulationen P1

P1

P2

und P2 mit unterschiedlichen Allelh¨ aufigkeiten.

Das Hardy-Weinberg-Gesetz gilt global nicht, wenn in den Subpopulationen (s. Abschnitt 2.1) unterschiedliche Allelh¨aufigkeiten an dem betrachteten Genort vorliegen, (s. Abb.2.5). Wir nehmen an, in Population 1 kommen die Allele A und a mit den H¨ aufigkeiten p1 und q1 und in Population 2 mit den H¨ aufigkeiten p2 und q2 vor. Die Populationen seien im Verh¨altnis 1:1 gemischt. Die Allelh¨ aufigkeiten sind (p1 + p2 )/2 und (q1 + q2 )/2 in der Gesamtpopulation. Wir erwarten unter Hardy-Weinberg-Gleichgewicht (p1 + p2 )(q1 + q2 )/2 Heterozygote. Hier sind es aber p1 q1 + p2 q2 , die gewichtete Summe der Heterozygoten aus den einzelnen Subpopulationen. F¨ ur p1 =0,1 und p2 =0,5 erwarten wir 0,42 statt 0,34.

84

2. Populationsgenetik

Wenn insgesamt Zufallspaarung entsteht, stellt sich nach einer Generation HWE ein. Es gibt dann ((p1 + p2 )/2)2 + ((q1 + q2 )/2)2 Homozygote; das sind weniger als die gewichtete Summe aus den Subpopulationen

2 2 2 2 (p1 + p2 ) 2 + (q1 + q2 ) 2. Isolation entsteht aus geographischen Gr¨ unden, wie in Inselregionen oder unzug¨ anglichen Gebirgsgegenden, oder auch aus sozialen oder religi¨osen Gr¨ unden. Beispiele f¨ ur isolierte Subpopulationen sind die Kasten in Indien oder die Gemeinschaft der Hutterer im S¨ udosten der USA. Andere Populationen bleiben nicht v¨ ollig isoliert, sondern sie vermischen sich durch gemischte Partnerschaften mit benachbarten oder eingewanderten Populationen. Die Untersuchung von Populationsmischung (population admixture) ist Gegenstand der Evolutionsgenetik. Wir empfehlen als Einf¨ uhrung zum Thema Populationsmischung Jobling et. al. (2004, S. 374-397) und Cavalli-Sforza (1994). 2.2.3 Die Verteilung genetischer Varianten 2.2.3.1 Messung genetischer Unterschiede in Populationen

Ein Maß f¨ ur die Verschiedenheit von Populationen an einem Locus ist FST , der Fixationsindex einer Subpopulation S im Vergleich zur urspr¨ unglichen Gesamtpopulation T (total population). Dieser Index wird z.B. zur Entwicklung von Assoziationstests in Fall-Kontroll-Studien unter Ber¨ ucksichtigung von Substrukturen benutzt. HS sei die Heterozygosit¨at an einem Locus in der Subpopulation und HT die Heterozygosit¨at in der Gesamtpopulation. FST = (HT − HS )/HT

(2.4)

misst die relative Ver¨ anderung der Anteile an Heterozygoten. Je h¨oher FST desto gr¨ oßer der Unterschied. Wenn pT und qT die Allelh¨aufigkeiten an einem biallelischen Locus in der Gesamtpopulation bezeichnen, dann ist HS = HT (1−FST ) = 2pT qT (1−FST ), d.h., HS in der Subpopulation ist die um FST verringerte Heterozygosit¨ at der Gesamtpopulation. Das Maß wird allgemein zur Beschreibung der Unterschiede von Populationen benutzt. In der Arbeit von Nasidze et al. (2001) wurden sechs Populationsstichproben aus dem Kaukasus anhand von acht biallelischen autosomalen Markern untersucht (s. Tab. 2.7). Die Ergebnisse wurden mit Studien aus anderen Regionen der Welt verglichen, bei denen dieselben Marker typisiert worden waren. Dargestellt sind die mittleren FST -Werte bei allen paarweisen Vergleichen der Regionen untereinander bezogen auf die einzelnen Marker. Die mittlere Heterozygosit¨ at der untersuchten Marker sind in der Kaukasusregion und in Sahul besonders niedrig, der mittlere FST -Wert besonders hoch.

2.2

Ein Genort

85

Tabelle 2.7. Durchschnittlicher Fixationsindex in verschiedenen Regionen der Welt

(nach Nasidze et al. 2001). Region

Anzahl untersuchter Populationen

Anzahl Individuen

mittlere Heterozygosit¨ at HS

Mittlerer FST

Afrika

6

176

0,40

0,09

Amerika

4

184

0,38

0,04

Europa

7

334

0,40

0,02

Sahul

3

185

0,31

0,11

S¨ udostasien

7

359

0,38

0,07

Westasien

7

262

0,41

0,05

Kaukasus

6

221

0,31

0,11

alle

40

1721

0,43

0,16

Die Unterschiede zwischen den dort untersuchten Einzelpopulationen sind h¨oher als in allen anderen untersuchten Regionen. Man findet beim Vergleich zweier Populationen aus dem Kaukasus eine im Mittel um mehr als 10% geringere Heterozygosit¨ at. Dies reflektiert die relative Isolation der Populationen und die Wirkung der genetischen Drift. 2.2.3.2 Variabilit¨ at von Mikrosatelliten und SNPs

F¨ ur Kopplungs- und Assoziationsanalysen sind heute zwei Markertypen (s. Abschnitt 1.1.1.4) besonders wichtig, n¨ amlich Mikrosatelliten und SNPs. ¨ Wir betrachten sie hier erneut. Eine Ubersicht u ¨ ber Mikrosatellitenmarker, ihre Verteilung im Genom sowie ihre Entstehung wird in Ellegren (2004) gegeben. Mikrosatellitenmarker haben h¨ aufig 8-12 Allele und eine hohe Heterozygosit¨ at von u oher. Sie liegen meistens im Bereich ¨ber 70% oder noch h¨ nicht kodierender DNA. Auf der Basis der ersten Analysen der Sequenz des menschlichen Genoms wurde gesch¨ atzt, dass Mikrosatelliten etwa 3% der Sequenz ausmachen und insgesamt mindestens 106 verschiedene Mikrosatellitenloci existieren. Ihre Verteilung in Introns und intergenischen Regionen ist ahnlich. Allerdings findet man in den telomerischen Bereichen eine etwa dop¨ pelte Dichte. Bei den meisten geht man davon aus, dass sie selektiv neutral sind. Die Anzahl ihrer Allele und deren Verteilung reflektieren den zugrunde liegenden Mutationsprozess (z.B. ungleiches crossing over, s. Abschnitte 1.1.2.4, 2.2.1.1). Die Mutationsrate l¨ asst sich direkt anhand typisierter Familien sch¨ atzen. Sie ist mit 10−4 –10−2 relativ hoch. Bei mehr als 85% der Neumutationen hat das neu entstandene Allel genau einen Repeat mehr oder weniger. Die Neumutationsrate ist geringer, wenn wenige Repeats vorhanden sind, und h¨ oher, wenn bereits mehrere existieren. Bei hohen Repeatzahlen steigt die Wahrscheinlichkeit f¨ ur Verk¨ urzungsmutationen, daher tauchen Allele mit sehr vielen Repeats selten auf (Xu et al. 2000). Mikrosatellitenmarker

86

2. Populationsgenetik

Häufigkeiten

sind wegen ihres hohen Informationsgehaltes und wegen ihrer gleichm¨aßigen Streuung n¨ utzliche Marker f¨ ur Kopplungsanalysen. Sie werden im Bereich der Kriminalistik und der Vaterschaftsbegutachtung eingesetzt. Durch ihre hohe Mutationsrate bieten sie die M¨ oglichkeit, Einfl¨ usse von toxischen Substanzen und ionisierender Strahlung auf die Mutationsrate zu untersuchen. Abb 2.6 zeigt eine typische Allelverteilung anhand des Tetranukleotidrepeats DS820 mit einer Heterozygosit¨ at von mehr als 80% in Europa. SNPs haben im Gegensatz zu den meisten Mikrosatelliten i.d.R. nur zwei Allele und damit verbunden eine niedrigere Heterozygosit¨at. Ihre Mutationsrate ist mit etwa 10−9 – 10−8 viel geringer als die von Mikrosatelliten. Daher sind sie sehr stabile Indikatoren der Populationsgeschichte. Man findet sie im menschlichen Genom sehr h¨ aufig. Es wird gesch¨atzt, dass es mehr als aufigkeiten von mehr als 1% beim Menschen gibt, min107 SNPs mit Allelh¨ destens einen alle 300 bp. Abb 2.7 zeigt die gesch¨atzte Anzahl SNPs beim Menschen in Abh¨ angigkeit von der H¨ aufigkeit des selteneren Allels HsA (zur Berechnung s. Gleichung 2.5).

0,30 0,25 0,20 0,15 0,10

Abbildung 2.6. Allelh¨ aufigkeiten des

0,05

Mikrosatellitenmarkers DS820 0 7

8

9

10

11

12

13

14

Allelnum m er

(Huckenbeck und Scheil 2004). Die Allelnummer bezeichnet die Anzahl der Repeats.

Als Maß f¨ ur die Variabilit¨ at in einem bestimmten Bereich des Genoms verwendet man die Nukleotiddiversit¨at (nucleotide diversity). Diese ist definiert als die Wahrscheinlichkeit π, mit der zwei zuf¨ allig gew¨ahlte haploide Genome (Gameten) aus einer Bezugspopulation an beliebigen Nukleotidpositionen in diesem Bereich verschiedene Werte zeigen. Mit Hilfe von π kann auf die Anzahl der SNPs insgesamt geschlossen werden. Wenn Sp die Anzahl variabler Nukleotidpositionen mit Allelh¨ aufigkeit p bezeichnet und S2 die Anzahl der Nukleotidpositionen, die bei zwei zuf¨ allig gew¨ahlten haploiden Genomen

2.2

Ein Genort

87

S p12 10 8 6

Abbildung 2.7. Gesch¨ atze Anzahl

4

(·106 ) SNPs, bei denen die H¨ aufigkeit des selteneren Allels (HsA)

2

mindestens p betr¨ agt. Sp bezeichnet die Anzahl variabler Nukleotidpositionen mit

0 >1%

>5%

>10%

>20%

>30%

>40%

Allelh¨ aufigkeit p (Kruglyak und Nickerson 2001).

HsA(p)

unterschiedlich sind, dann gilt approximativ
 1−p Sp = S2 ln . p

(2.5)

S10

4

atzt aus zwei Gameten, ergeben sich die in Abb. 2.7 dargestellAus S2 , gesch¨ ten Werte von Sp f¨ ur verschiedene p (Kruglyak und Nickerson 2001).

12 10 8 6 4 2 0

1

2

3

4

5

6

7

8

9

10

11

12 13

14

15

16

17

18

19

20

21

22

X

Y

Chromosom Abbildung 2.8. Nukleotiddiversit¨ at π(·10−4 ) auf den einzelnen Chromosomen

(Sachidanandam et al. 2001).

Abb 2.8 zeigt die gesch¨ atzte Nukleotiddiversit¨ at f¨ ur die verschiedenen Chromosomen beim Menschen. Bei den Autosomen hat Chromosom 15 die h¨ochste und Chromosom 21 eine besonders niedrige Diversit¨at. Die gr¨oßten Unterschiede sind beim X und Y-Chromosom zu sehen, bedingt durch den unterschiedlichen Vererbungsprozess und die unterschiedlichen Mutationsraten (Sachidanandam et al. 2001). Millionen SNPs sind inzwischen in ¨ offentlich zug¨anglichen Datenbanken gesammelt worden (SNP-Consortium TSC, dbSNP, HAPMAP). SNPs eignen sich gut f¨ ur die Hochdurchsatzanalyse, die automatisierte Bestimmung in großen Mengen. Es wurden Chip-Technologien entwickelt, mit denen zur Zeit

88

2. Populationsgenetik

104 , 105 und 1/2106 SNP-Genotypen pro Individuum simultan bestimmt werden k¨ onnen. Bei dem 100K SNP-Chip der Firma Affymetrix betr¨agt der mittlere Abstand zwischen den SNPs 8,5 kb und die mittlere Heterozygosit¨at 0,3 (www.affymetrix.com). 2.2.3.3 Geographische Unterschiede der Allelverteilungen

Häufigkeit

Die Verbindung geographischer Informationen mit genetischen Informationen reflektiert die Evolutionsgeschichte. F¨ ur viele Loci beobachtet man sehr unterschiedliche Allelverteilungen. Umfangreiche Untersuchungen dieser Art wurden anfangs anhand der ersten Marker, z.B. dem AB0-Blutgruppensystem, aber auch anhand von Krankheitsmutationen f¨ ur monogene, rezessive Krankheiten durchgef¨ uhrt (Vogel und Motulsky 1997, S. 495; Cavalli-Sforza 1994, S. 178-184). Eine Einf¨ uhrung in die Methoden findet man in Barbujani (2000). Der Pentanukleotidrepeatmarker CD4 (s. Abb. 2.9) hat zum Beispiel sehr unterschiedliche Allelh¨ aufigkeiten in verschiedenen Populationen.

0,8

Europa (329) USA (240) Asien (300) Pazifische Inseln und Australo-Melanesien (65) Sub-Sahara Afrika (403)

0,6

0,4

0,2

0 5

6

7

8

9

10

11

12 Allelnummer

Abbildung 2.9. Allelverteilungen des Pentanukleotidrepeats CD4 in ausgew¨ ahlten

Populationen (Huckenbeck und Scheil, 2004). Die Allelnummer entspricht der Repeatzahl, in der Legende sind die Populationen und in Klammern die jeweilige Stichprobengr¨ oße angegeben.

W¨ ahrend in Afrika acht Allele mit H¨ aufigkeiten von mehr als 2% vorhanden sind, sieht man in Europa nur 4 Allele mit mehr als 2% H¨aufigkeit. Vermutlich sind die Allelh¨ aufigkeiten dieses Markers durch Selektion aufgrund von Infektionserregern mit gepr¨ agt.

2.3

Mehrere Genorte

89

2.3

2.3 Mehrere Genorte 2.3.1 Kopplungsungleichgewicht f¨ ur zwei Genorte 2.3.1.1 Definition und Entstehung

Wenn starke Kopplung zwischen zwei Genorten vorliegt (s. Abschnitt 1.1.2.2), werden die Haplotypen, also die Allele der beiden Loci auf einem Chromatid, meistens als Ganzes von Eltern auf ihre Kinder vererbt. Man spricht von Kopplungsungleichgewicht (linkage disequilibrium, LD), wenn Allelkombinationen zweier Loci auf einem Haplotypen in einer Population h¨aufiger vorkommen, als man es bei unabh¨ angiger Kombination der Allele entsprechend ihren Allelh¨ aufigkeiten erwarten w¨ urde. Das Kopplungsungleichgewicht wird auch gametisches Ungleichgewicht genannt oder allelische Assoziation. Diese Ausdr¨ ucke beschreiben die Sachlage korrekt, sie haben sich jedoch in der Fachliteratur nicht durchgesetzt. Die St¨ arke allelischer Assoziation ist ein Maß, das ebenfalls durch die am Anfang dieses Kapitels besprochenen Kr¨afte der Evolution beeinflusst wird. Statistische Methoden, die LD untersuchen, sind ein m¨ achtiges Werkzeug zum Auffinden von Krankheitsgenen. Betrachten wir zwei Genorte mit den Allelen A, a und B, b sowie den Allelh¨ aufigkeiten pA , pa , pB , pb . Dann gibt es vier m¨ogliche Haplotypen mit den H¨ aufigkeiten pAB , pAb , paB , pab . Bei statistischer Unabh¨angigkeit gilt pAB = ur alle Haplotypen. Man sagt, pA pB . Diese Gleichung gilt dann entsprechend f¨ es liegt Kopplungsgleichgewicht vor. Andernfalls existiert Kopplungsungleichgewicht, d.h. der Disequilibriumskoeffizient D := pAB − pA pB

(2.6)

ist von 0 verschieden. Alle Haplotyph¨ aufigkeiten lassen sich bei Kenntnis von D aus den Allelh¨ aufigkeiten und D berechnen:

pAB = pA pB + D pab = pa pb + D pAb = pA pb − D

(2.7)

pab = pa PB − D Entsteht an einem Genort, der zuvor nur ein Allel hatte, auf einem Gameten durch Neumutation ein zweites Allel, so ist es mit den Allelen an allen anderen Stellen desselben Chromosomenstrangs in vollst¨andigem Kopplungsungleichgewicht. Dies ist in Abb. 2.10 schematisch dargestellt. Durch eine Neumutation entsteht der Haplotyp AbC. Das neue Allel b kommt zun¨achst

90

2. Populationsgenetik

nur mit A und C auf einem Haplotypen vor. Der C-Locus ist nicht polymorph. Durch Rekombination wird das LD zwischen A und B reduziert. In nachfolgenden Generationen kann das LD weiter verringert werden. Kopplung sagt etwas u ¨ber Kosegregation, u ¨ber gemeinsame Vererbung an verschiedenen Loci aus. Kopplung kann deshalb nur in Familien beobachtet werden, wobei es nicht auf das spezifische Allel ankommt. Assoziation betrifft Allelkombinationen f¨ ur zwei Genorte auf Haplotypen in einer Population. Es kann vollst¨ andige Kopplung vorliegen, aber keine Assoziation. Ein Beispiel daf¨ ur findet man in Thomas (2004, S. 36). Eine Merkregel lautet auf englisch: Linkage is about Loci, Association is about Alleles (Elston, u ¨berliefert). In sehr großen Populationen mit Zufallspaarung ver¨andert sich D von Generation T zu Generation T+1 in Abh¨ angigkeit von der Rekombinationsrate θ zwischen den Genorten (s. Thomas 2004, S. 240, s. Tab. 2.8): DT +1 = (1 − θ)DT .

1

A

B

C

a

B

C

(2.8)

Neumutation

2

A

B

C

A

b

C

a

B

C

Rekombination

3

A

B

C

A

b

C

a

b

C

a

B

C

Abbildung 2.10. Entstehung von LD durch

Neumutation (nach Jobling 2004, S.80).

Ein Kopplungsungleichgewicht wird nicht durch Kopplung hervorgerufen, aber bei starker Kopplung bleibt es u ¨ ber mehrere Generationen hinweg bestehen. Ohne starke Kopplung wird ein Kopplungsungleichgewicht in der Population sehr schnell wieder abgebaut. Sind die Loci nicht gekoppelt, halbiert sich das Kopplungsungleichgewicht mit jeder Generation. Starkes Kopplungsungleichgewicht ist daher ein indirekter Hinweis auf eine starke Kopplung und damit darauf, dass die betrachteten Genorte eng benachbart sind.

2.3

Mehrere Genorte

91

Tabelle 2.8. Erwarteter Anteil des Linkage Disequilibriums D der Anfangsgeneration f¨ ur

verschiedene Rekombinationsraten θ in Abh¨ angigkeit von der Anzahl der vergangenen Generationen T in einer sehr großen Population, nach Formel 2.8.

Anzahl der Generationen T θ

5

10

20

50

100

1000

10000

0,0001

1,00

1,00

1,00

1,00

0,99

0,90

0,37

0,001

1,00

0,99

0,98

0,95

0,90

0,37

0,00

0,01

0,95

0,90

0,82

0,61

0,37

0,00

0,00

0,05

0,77

0,60

0,36

0,08

0,01

0,00

0,00

0,1

0,59

0,35

0,12

0,01

0,00

0,00

0,00

0,5

0,03

0,00

0,00

0,00

0,00

0,00

0,00

2.3.1.2 Ursachen f¨ ur Kopplungsungleichgewicht

Wir haben gezeigt, dass starke Kopplung zweier Loci ein vorhandenes LD u alt. Zus¨ atzlich beeinflussen die am Anfang die¨ber viele Generationen erh¨ ses Kapitels besprochenen Kr¨ afte der Evolution das LD. Positive Selektion etwa f¨ ur einen Genotypen wirkt auf assoziierte Allele, so dass es zur Verst¨ arkung des vorhandenen Kopplungsungleichgewichts kommt, dem Mitfahrereffekt (hitchhiking effect). In endlichen Populationen ver¨andern sich Allelh¨ aufigkeiten und auch Haplotyph¨ aufigkeiten f¨ ur Allele benachbarter Marker durch Drift. Da insgesamt die Vielfalt in kleinen Populationen durch diesen Prozess abnimmt, verst¨ arkt sich das Kopplungsungleichgewicht. Ein hoher Anteil an Verwandtenehen erh¨ oht das Kopplungsungleichgewicht. Verwandte haben nicht nur ein Allel mit h¨ oherer Wahrscheinlichkeit von einem gemeinsamen Vorfahren geerbt, sondern teilen auch Haplotypst¨ ucke mit h¨ oherer Wahrscheinlichkeit als unverwandte Personen. Zwei Punkte sollen hier hervorgehoben werden. Gr¨ undereffekt: Eine auf einem Gameten neu entstandene Variante, die an Nachkommen weitergegeben wird, bleibt noch viele Generationen mit den eng benachbarten Allelen des Ausgangschromosoms im Kopplungsungleichgewicht, vorausgesetzt, sie geht nicht durch Drift verloren. Ein ahnlicher Gr¨ undereffekt entsteht, wenn eine Population vor k¨ urzerer Zeit ¨ aus wenigen Vorfahren entstanden ist, oder wenn sie durch ¨außere Gegebenheiten auf wenige Mitglieder reduziert worden ist (s. 2.2.1.3). Durch diese Gr¨ undereffekte sind allerdings auch Assoziationen von Allelpaaren m¨ oglich, die lange vor Gr¨ undung der Population entstanden sind. Populationsmischung: Wir verwenden das folgende hypothetische Beispiel (s. Tab. 2.9): Angenommen, eine Population besteht zu gleichen Teilen aus zwei Subpopulationen. In den Subpopulationen sind die Allelverteilungen der zwei betrachteten Genorte unabh¨ angig mit folgenden Verteilungen:

92

2. Populationsgenetik

Tabelle 2.9. LD durch Populationsmischung.

Subpopulation 1

Subpopulation 2

Gesamtpopulation Mischungsverh¨ altnis 1:1

pA = 1

pA = pa = 0, 5

pAB = 0, 5

pB = pb = 0, 5

pB = 1

pAb = paB = 0, 25

pAB = pAb = 0, 5

pAB = paB = 0, 5

pA = pB = 0, 75

Dann gilt in der Gesamtpopulation D = pAB − pA pB = 0, 5 − (0, 75)2 = −0, 625. Es liegt also ein Kopplungsungleichgewicht vor, das allein durch die Populationsmischung entstanden ist, unabh¨ angig davon, ob die Genorte gekoppelt sind oder nicht. Analog kann durch Populationsmischung ein HardyWeinberg-Ungleichgewicht erzeugt werden. Die Beobachtung, dass Kopplungsungleichgewicht durch nicht erkannte Populationsstrukturen hervorgerufen werden kann, f¨ uhrte bei Assoziationsstudien zur Bevorzugung von Studiendesigns und Analyseverfahren, die unempfindlich gegen¨ uber diesem Effekt sind (s. Kap. 5). 2.3.1.3 Verschiedene Maßzahlen f¨ ur das LD und deren Vor- und Nachteile

Das Maß D f¨ ur die St¨ arke der allelischen Assoziation h¨angt stark von den Allelh¨ aufigkeiten ab. D liegt zwischen -0,25 und 0,25. Wenn nur die Haplotypen AB und ab vorkommen und pA =pB =0,5, dann ist pAB = pab = 0, 5

D = pAB − pA pB = 0, 25.

Gilt aber in derselben Situation pA =pB =0,9 dann ist pAB =0,9, pab =0,1 und D=0,09, obwohl in beiden F¨ allen vollst¨andiges Kopplungsungleichgewicht vorliegt. Um die Abh¨ angigkeit von den Allelh¨aufigkeiten zu beseitigen, normiert man D durch sein Maximum zu Lewontins LD-Maß D = D/Dmax . Dabei gilt:  min{pApb , pa pB } falls D > 0 Dmax = min{pApB , pa pb } falls D < 0 F¨ ur das Beispiel ergibt sich bei beiden Allelverteilungen D = 1. Weiterhin werden als Maße f¨ ur Linkage Disequilibrium genutzt (Devlin und Risch 1995): r2 = D2 /(pA pa pB pb ), r ist der Korrelationskoeffizient der 2x2 Feldertafel der Haplotyph¨aufigkeiten. δ = (pAB /paB − pAb /pab )/(pAB /paB + 1).

2.3

Mehrere Genorte

93

F¨ ur epidemiologisch vorgebildete Leser sei erw¨ ahnt, dass δ dem attributablen Risiko unter Nutzung von Odds Ratios in einer Population ¨ahnlich ist. W¨ unschenswerte Eigenschaften f¨ ur ein Maß f¨ ur LD sind: Symmetrie hinsichtlich der Marker Abnahme proportional zur Rekombinationsrate θ zwischen den Markern Unabh¨ angigkeit von den Allelh¨ aufigkeiten δ kommt den Kriterien am n¨ achsten und ist daher zu empfehlen. Sch¨atzungen ur δ in populationsbezogenen Stichproben sehr ¨ahnlich; sie f¨ ur D sind denen f¨ sind in Fall-Kontroll-Stichproben aber von den Allelh¨aufigkeiten abh¨angig. arke des Linkage Disequilibriums nicht Dar¨ uber hinaus kann mit D die St¨ weiter differenziert werden. Wenn einer der theoretisch m¨oglichen Haplotypen in der Stichprobe nicht vorkommt, dann ist D immer 1 oder -1. F¨ ur die Untersuchung einer Chromosomenregion mit mehr als zwei Markern ist es u ¨ blich, das LD zwischen allen Markerpaaren zu betrachten und zu visualisieren (Abecasis und Cookson 2001), oder man kann Maßzahlen verwenden, bei denen mehrere Marker ber¨ ucksichtigt werden (Nothnagel et al. 2002). Die Sch¨ atzung des Kopplungsungleichgewichts f¨ uhrt direkt auf das Problem der Sch¨ atzung von Haplotypen, auf das wir in Abschnitt 2.3.2.1 eingehen werden. 2.3.1.4 Mehr als zwei Allele

Angenommen es gibt an den zwei Genorten jeweils mehr als zwei Allele, aufigkeiten p1 , ..., pk und B1 , ..., Bl mit den H¨aufigkeiA1 , ..., Ak mit den H¨ ten q1 ....ql . Die Haplotypen Ai Bj haben die H¨aufigkeiten p11 , ....pkl , das Kopplungsungleichgewicht f¨ ur die Allele Ai und Bj sei mit Dij bezeichnet, Dij = pij − pi pj, wobei i = 1,..., k und j =1,..., l. Es gibt verschiedene Vorschl¨ age zur Definition eines Assoziationsmaßes in dieser Situation. Alle sind von den Allelh¨ aufigkeiten abh¨ angig (Hedrick 1987, Lewontin 1988). Ein sinnvolles Maß ist   pi qj Dij D = ij 

das gewichtete Mittel von D f¨ ur jeweils ein Allelpaar. Im Vergleich zu anderen Vorschl¨ agen, auf die hier nicht eingegangen werden kann, ist dieses Maß relativ wenig von den Allelh¨ aufigkeiten abh¨ angig. 2.3.2 Haplotypen

Wir bezeichnen das Paar der Haplotypen einer Person als Diplotyp. Mit manchen Verfahren werden die Haplotypverteilungen der Ausgangspopulation gesch¨ atzt, andere erm¨ oglichen zus¨ atzlich die Bestimmung der Diplotypen der einzelnen Personen.

94

2. Populationsgenetik

A

B 1 1 3 1 1 1 3 2 1 1 3 2

2 3 2 3 2 3 2 1 3 1 3 1

2 4 3 2 3 4

1 4 2 2 4 3 3 4 2 2 2 4

C 1 2 1 2 1 2

1 2 1 2 1 2 1 2 1 2 1 2

1 2 1 2 1 2

3 4 3 4 3 4 1 3 1 3 1 3

1 2 1 2 1 2

1 1 1 2 2 2 1 2 1 2 1 1

1 3 1 2 1 2

Abbildung 2.11. Haplotypen in A: Mehrgenerationenfamilie, B: Eltern-Kind-Trios,

C: unverwandte Individuen.

2.3.2.1 Haplotypsch¨ atzung

Die Bestimmung von Haplotypen im Labor (s. Abschnitt 1.1.2.3) ist zurzeit noch nicht in großem Umfang und mit vertretbaren Kosten m¨oglich. Daher werden Haplotypen aus multiplen Genotypen, d.h. Genotypen an mehreren Loci, unter Einsatz verschiedener Verfahren gesch¨atzt. Diese Haplotypisierung h¨ angt vom Informationsgehalt der Marker und den Familienstrukturen ab. Beispiele f¨ ur Haplotypen bei verschiedenen Familienstrukturen sind in Abb. 2.11 gezeigt. Hier trennt ein senkrechter Strich die beiden Haplotypen, wenn sie bekannt sind. Im Idealfall lassen sich in Mehrgenerationenfamilien in Abh¨ angigkeit vom Informationsgehalt die Haplotypen derjenigen bestimmen, deren Eltern ebenfalls genotypisiert wurden (s. Abb. 2.11.A). Dabei benutzt man, dass je ein Allel vom Vater und eines von der Mutter stammen muss, sowie die Regel, dass die Haplotypen mit m¨ oglichst wenigen Rekombinationen erkl¨ art werden sollen (minimal recombination assumption). Der Grund f¨ ur dieses Sparsamkeitsprinzip ist, dass Crossover in einem kleinen Bereich selten sind, insbesondere kommen doppelte Crossover auf engem Raum ¨außerst selten vor. Werden in den Daten Doppelrekombinanten beobachtet, so handelt es sich oft um Datenfehler. Da elterliche Information f¨ ur eine Zufallsstichprobe einzelner unverwandter Personen nicht zur Verf¨ ugung steht, sind hier die Haplotypen uneindeutig, sobald mehr als ein Marker heterozygot ist. Bei Eltern-Kind-Trios (s. Abb. 2.11.B) kann man die Haplotypen des Kindes rekonstruieren, wenn die Marker hinreichend informativ sind, bei Einzelpersonen (s. Abb. 2.11.C) ist der Haplotyp klar, wenn h¨ ochstens ein Marker heterozygot ist. Zur Haplotyprekonstruktion wurden viele Algorithmen und Programme entwickelt. Zum h¨ aufig verwendeten EM-Algorithmus s. Exkurs 2.

2.3

Mehrere Genorte

95

Exkurs 2: Sch¨ atzung der Haplotyph¨ aufigkeiten und des Kopplungsungleichgewichts unter Nutzung des EM-Algorithmus (nach Thomas 2004, S. 242-244). Beim EM-Algorithmus handelt sich um eine Technik zur Bestimmung von Maximum-Likelihood-Sch¨ atzwerten. EM ist die Abk¨ urzung f¨ ur Erwartung und Maximierung. Der EM-Algorithmus ist besonders effektiv, wenn die Daten nur unvollst¨ andig beobachtet werden k¨onnen. E- und M-Schritte werden iteriert, bis Konvergenz eintritt. Im ersten E-Schritt gibt man den unbekannten Parametern Anfangswerte und berechnet damit die fehlenden Beobachtungen. Aus dem vollst¨ andigen Datensatz werden dann im M-Schritt die Sch¨ atzer f¨ ur die Parameter durch Maximierung der Likelihoodfunktion berechnet. Angenommen wir beobachten die in Tab. 2.10 notierten Anzahlen f¨ ur die Genotypkombinationen zweier biallelischer Marker und wollen daraus die Haplotyph¨ aufigkeiten (s. Tab. 2.11) und das LD sch¨atzen. Tabelle 2.10. Anzahlen beobachteter Genotypkombinationen.

AA

Aa

aa

BB

n11

n12

n13

Bb

n21

n22

n23

bb

n31

n32

n33

Tabelle 2.11. Anzahl (nicht beobachtbarer) Haplotypen.

AB

nAB

Ab

nAb

aB

naB

ab

nab

Wir betrachten zwei Loci und verwenden die Bezeichnungen, die Tab. 2.10 und Tab. 2.11 zusammengestellt sind. F¨ ur alle Genotypkombinationen in Tabelle 2.10 außer AaBb ist der zugrunde liegende Diplotyp eindeutig, da jeweils nur ein Marker heterozygot ist. AaBb kann aus den Diplotypen AB/ab oder Ab/aB entstanden sein. Insgesamt k¨ onnen wir daher die Anzahlen der einzelnen Haplotypen nAB , nab , nAb , naB in der Stichprobe nicht direkt abz¨ahlen. Nach der Bayesschen Formel und Gl. 2.7 gilt:

96

2. Populationsgenetik

P (AB|AaBb) = P (ab|AaBb) =

P (AB∩ab) P (AB∩ab)+P (Ab∩aB)

=

(pA pB +D)(pa pb +D) (pA pB +D)(pa pb +D)+(pA pb −D)(pa pB −D)

=

(pA pB +D)((1−pA )(1−pB )+D) (pA pB +D)((1−pA )(1−pB )+D)+(pA (1−pB )−D)((1−pA )pB −D) ,

(2.9)

und P (Ab|AaBb) = P (aB|AaBb) = 1 − P (AB|AaBb).

(2.10)

Nach diesen Vor¨ uberlegungen sieht man, dass sich f¨ ur gegebene Werte von pA , pB und D die erwarteten Haplotyph¨aufigkeiten berechnen lassen, P (AB|AaBb) = PAB (pA , pB , D). Der EM-Algorithmus wird nun wie folgt durchgef¨ uhrt: E-Schritt: Man w¨ ahlt Anfangswerte, z.B. die aus der Stichprobe gesch¨atzten Allelh¨ aufigkeiten pA und pB sowie D = 0. Damit sch¨atzt man aus der Tabelle 2.10 und unter Nutzung der Gleichungen (2.9) und (2.10) zun¨achst die Wahrscheinlichkeit der nicht beobachtbaren Haplotypen und dann die Anzahl, die man unter den Anfangsannahmen in einer Stichprobe dieser Gr¨oße erwarten w¨ urde. M-Schritt: Mit diesen Zahlen lautet die Likelihoodfunktion f¨ ur die gesuchten Parameter  Pij (pA , pB , D)nij L(pA , pB , D) = i,j∈{AB,Ab,aB,ab}

wobei nij die eben bestimmten Anzahlen der ,,beobachteten“ Haplotypen atzten Wahrscheinlichkeiten f¨ ur die Genotypen in sind und Pij die gesch¨ Abh¨ angigkeit von pA , pB und D. Die Pij werden mit den jeweiligen Anatzwerte f¨ ur pA , pB und D durch zahlen nij potenziert. Jetzt werden Sch¨ Maximierung der Likelihoodfunktion bestimmt. Mit diesen wiederholt man den E-Schritt und berechnet neue Werte f¨ ur die Haplotypanzahlen nij . Das Verfahren wird iteriert, bis sich an den Sch¨ atzwerten kaum noch Ver¨anderung ergibt. Die EM-Technik kann auch auf mehr als zwei Loci angewendet werden. Mit wachsender Markeranzahl nimmt die Anzahl der zu sch¨atzenden Parameter zu. Die Berechnung verursacht dann eventuell Konvergenzprobleme. Clark (1990) erkannte, dass multiple Genotypen unverwandter Personen n¨ utzliche Informationen u ¨ber ihre Haplotypen enthalten. Der von ihm vorgeschlagene Algorithmus wird allerdings kaum noch verwendet.

2.3

Mehrere Genorte

97

Viele Methoden basieren auf dem EM-Algorithmus, andere nutzen Bayessche Rekonstruktionstechniken (PHASE-Algorithmus) oder verwenden die Technik phylogenetischer B¨ aume. Verbesserungen der Programme und Algorithmen sind Gegenstand der ak¨ tuellen Forschung. Einen Ubersichtsartikel (Niu 2004) zum speziellen Thema “Genetische Epidemiologie und Haplotypen” findet man in der Zeitschrift Genetic Epidemiology. Eine Auswahl von Programmen wird in Abschnitt 2.6 gegeben. 2.3.2.2 Vererbung von Haplotypen

Angenommen auf einem Chromatiden entsteht ein disponierendes Allel A. Dieses Allel werde T Generationen lang weitervererbt. Dann erwarten wir, dass ein St¨ uck des Chromatids um dieses Allel herum von dem Vorfahren mitvererbt wird. Die erwartete L¨ ange dieses Haplotypst¨ ucks gibt uns wichtige Hinweise f¨ ur die Planung von Studien. Der Ausgangshaplotyp kann sich in jeder Meiose durch Rekombinationen verkleinern. Die diesen zugrundeliegenden Crossover werden durch eine Poissonverteilung beschrieben (s. Abschnitt 1.2.2). Fehler bei der Genotypisierung k¨ onnen je nach Studientyp Konsequenzen bei der Bestimmung der Haplotypen haben. In Mehrgenerationenfamilien oder bei Trios f¨ uhren Genotypisierungsfehler oft zur Verletzung der Vererbungsregeln – solche werden entdeckt – oder zur Konstruktion falscher Haplotypen. In Abb. 2.12 erzeugt ein Genotypisierungsfehler bei Individuum A einen unm¨ oglichen Genotyp, und bei Individuum B einen Haplotyp, bei dessen Entstehung zwei Rekombinationen stattgefunden haben m¨ ussen. Wenn nur die Personen aus der letzten Generation des Stammbaums typisiert werden k¨ onnen, w¨ urden der Fehler und die Doppelrekombination als wahrscheinlicher Fehler nicht auffallen. Hierbei erwarten wir definitionsgem¨ aß, dass ein Crossover pro Morgan auftritt. Wir betrachten ein Intervall um A mit der linken Grenze L und der rechten Grenze R. Die Wahrscheinlichkeit, dass zwischen R und A keine Rekombination stattgefunden hat, dass dieses St¨ uck also als Ganzes durch die T ur die linke Grenze. Generationen vererbt wurde ist e−(R−A)T . Analoges gilt f¨ Der Abstand R-A wird in Morgan gemessen. Eine Modellrechnung zeigt, mit welcher Wahrscheinlichkeit eine Gruppe von Personen, die alle A geerbt haben, ein gr¨ oßeres St¨ uck Haplotyp gemeinsam haben. Wenn z.B. 8 Personen das Allel A tragen und wir davon ausgehen, dass sie alle eine A-Kopie des gleichen Allels eines gemeinsamen Vorfahren von vor 6 Generationen geerbt haben, dann teilen sie ein Intervall von ca. 1 cM nach rechts und links mit 38% Wahrscheinlichkeit (4% nach 20 Generationen). Ein Intervall der L¨ange

98

2. Populationsgenetik

2 3 2 3 2 3

1 1 1 1 1 1

3 3 3 3 3 3

2 1 2 1 2 1

A

B

1 1 1 3 1 3

1 3 2 3 1 3

Abbildung 2.12. Beispiele f¨ ur m¨ ogliche

Typisierungsfehler in Mehrgenerationenfamilien.

2,5 cM rechts und links teilen sie nur mit knapp 10% Wahrscheinlichkeit (0,3% nach 20 Generationen). Bei Familienstudien dient die Suche nach eng benachbarten Doppelrekombinationen also dem Auffinden m¨ oglicher Datenfehler. Doppelrekombinationen k¨onnen bei Unverwandten nicht entdeckt werden. Es wurde gezeigt, dass auch hier und f¨ ur jede Markerart Typisierungsfehler zu einer deutlichen Reduktion der Haplotyph¨ aufigkeiten und zur erh¨ohten Ungenauigkeit bei der Rekonstruktion der individuellen Diplotypen f¨ uhren k¨onnen (Kirk und Cardon 2002). 2.3.2.3 Haplotypbl¨ ocke und tagSNPs

Die Untersuchung von Haplotypmustern und LD-Mustern fand in den letzten Jahren großes Interesse. Daly et al. (2001) untersuchten eine 500 kb große Region auf Chromosom 5 durch Typisierung von 103 SNPs in einer Stichprobe von 129 Trios (Morbus Crohn Patienten mit Eltern). Sie entdeckten eine blockartige Struktur der Haplotypen. Ein Teil der untersuchten Region, n¨ amlich die ersten vier der beobachteten elf Bl¨ocke, ist in Abb. 2.13 schematisch dargestellt. In den diskreten Bl¨ ocken werden nur wenige Haplotypen beobachtet. Sie sind durch schraffierte Balken symbolisiert, und die Prozentzahl gibt an, wie viele Haplotypen der Stichprobe diese Bl¨ocke tragen. In allen Bl¨ocken finden sich drei oder vier Haplotypen, die jeweils bei u ¨ ber 90% der Chromosomen in der Stichprobe beobachtet wurden. Die Bl¨ocke sind durch Bereiche getrennt, in denen vermutlich Rekombinationsereignisse in der Vergangenheit stattgefunden haben. Die h¨aufigsten Rekombinationsereignisse sind durch gestrichelte Linien zwischen den Haplotypen angedeutet. ¨ Ahnliche Muster sind inzwischen in vielen anderen Regionen des Genoms ¨ gefunden worden. Eine Ubersicht geben Wall und Pritchard (2003). Simulationsuntersuchungen zeigen, dass auch bei gleichm¨aßig verteilter Rekombina-

2.3

Mehrere Genorte

99

1

2

3

84 kb

3 kb

14 kb

96%

97%

92%

4 30 kb

94%

Abbildung 2.13. Schema einer Struktur von 4 Bl¨ ocken verschiedener L¨ ange auf

Chromosom 5, gestrichelte Linien deuten Crossover in der Vergangenheit an, die Prozentzahl gibt an, welcher Anteil der Haplotypen in der Stichprobe aus diesen Bl¨ ocken bestehen (modifiziert nach Daly et al. 2001).

tionsrate Bl¨ ocke entstehen k¨ onnen (Phillips et al. 2003). Die L¨angenverteilung der außerhalb Afrikas beobachteten Bl¨ ocke unterst¨ utzt aber die Vorstellung, dass die Blockstrukturen durch verschieden hohe Rekombinationsraten hervorgerufen wurden. Man sieht n¨ amlich niedrige Rekombinationsaktivit¨at innerhalb der Bl¨ ocke (cold spots) und hohe Rekombinationsaktivit¨at zwischen den Bl¨ ocken (hot spots). F¨ ur die Durchf¨ uhrung von Studien ergeben sich die folgenden Konsequenzen: Innerhalb der Bl¨ ocke tragen mehrere SNPs redundante Information; die Typisierung weniger informativer Marker in einem Haplotypblock (sie werden als tagging SNPs, tagSNPs, tSNP bezeichnet) sollte ausreichen, um h¨ aufige Haplotypen identifizieren zu k¨ onnen. Wenn ein Suszeptibilit¨ atsgen in einem Block lokalisiert wurde, kann mit statistischen Verfahren die Lage eines Risikoallels innerhalb des Blocks nicht n¨ aher eingegrenzt werden. Die Suche nach Suszeptibilit¨atsgenen ist also in ihrer Aufl¨ osung auf die L¨ ange der Bl¨ocke begrenzt. In Abb 2.14 sind vier verschiedene Haplotypen einer Chromosomenregion gezeigt. Sie sind bis auf die 6 markierten SNP Positionen identisch. Jeder der SNPs hat zwei Allele. Die verschiedenen SNPs innerhalb der ersten beiden Bl¨ ocke sind in vollst¨ andigem LD. Im dritten Block gibt es nur einen SNP. Die Typisierung der SNPs 2, 4 und 5 gen¨ ugt, um die Variabilit¨at vollst¨andig zu erfassen. Damit k¨ onnen 3 von den 6 SNPs als tagSNPs fungieren. Verschiedene Algorithmen zur Identifizierung von Haplotypbl¨ocken und tagSNPs sind vorgeschlagen worden (Daly et al. 2001, Gabriel et al. 2002, Patil et al. 2001, Zhang et al. 2002). Sie basieren auf verschiedenen Konzepten ¨ und liefern verschiedene Ergebnisse. Stram (2004) gibt einen Uberblick u ¨ber Methoden zur Auswahl von SNPs f¨ ur Assoziationsstudien.

100

2. Populationsgenetik

1

2

3 4

5

6

Chromosom 1 AAC CGCCA..... TTCGGGGTC..... AGTCGACCG..... Chromosom 2 AAC CGCCA..... TTTGAGGCC..... AGTCAACCG..... Chromosom 3 ACC TGCCA..... TTCGGGGTC..... AGTCAACCG..... Chromosom 4 AAC CGCCA..... TTCGGGGTC..... AGTCGACCG.....

Tag-SNPs

C/T

G/A

G/A

Abbildung 2.14. Schematische Darstellung von tagSNPs (modifiziert nach International

HapMap Consortium 2003).

Zum Beispiel basiert die Methode von Zhang et al. (2002) auf der Sch¨atzung ahlt zun¨ achst alle SNPs mit H¨aufigkeit des von D und der Varianz. Man w¨ selteneren Allels HsA > k aus, sch¨ atzt D und das 95%-Konfidenzintervall f¨ ur alle SNP-Paare. Hohes und niedriges LD wird anhand der Grenzen f¨ ur die Konfidenzintervalle definiert, z.B. wird das LD als hoch definiert, wenn die obere Grenze > 0,98 und untere Grenze > 0,70 liegt und niedriges LD, wenn die obere Grenze des Konfidenzintervalls < 0,90 ist. Sch¨atzer f¨ ur einen Block ist eine Region aufeinanderfolgender SNPs, in der weniger als 5% der SNP Paare niedriges LD haben. Diese Methode ist allerdings von den Allelh¨aufigkeiten und den gesetzten Grenzwerten abh¨ angig. Die Struktur des Kopplungsungleichgewichts ist durch die Kr¨afte der Evolution, also die Populationsgeschichte gestaltet. Daher verwundert es nicht, dass es unterschiedlich zwischen Populationen ist. W¨ahrend in einer Stichprobe von Personen aus Europa LD von mehr als 0,5 u ¨ ber Distanzen von 60 kb gefunden wurde, galt dies in einer afrikanischen Stichprobe nur bei maximal 5 kb auseinander liegenden SNPs (Reich et al. 2002). Daher sind f¨ ur Untersuchungen in verschiedenen Populationen unterschiedliche tagSNPs wichtig. Dementsprechend variieren die Muster der Haplotypbl¨ocke stark zwischen den Populationen (Liu et al. 2004). Aber auch innerhalb des Genoms sind die Strukturen sehr unterschiedlich. Die Vorstellung, dass es mit kurzen Unterbrechungen aus Haplotypbl¨ ocken aufgebaut ist, passt nicht generell. Es gibt viele Bereiche, in denen das Ausmaß an LD insgesamt gering ist, so dass die meisten Marker keinem Block zugeordnet werden k¨onnen (Wall und Pritchard 2003). Eine umfassende Analyse lieferte das internationale HapMap Projekt (International HapMap Consortium 2005).

2.4

Komplexere mathematische Modelle

101

2.4 Komplexere mathematische Modelle In der Populationsgenetik wurden viele mathematische Modelle entwickelt, um die Konsequenzen der Wechselwirkungen verschiedener evolution¨are Kr¨afte und die Entstehung heute beobachteter genetischer Variabilit¨at zu erforschen. Sie bilden das Werkzeug zum Sch¨ atzen von Mutationsraten, zum Testen, ob an bestimmten Loci Selektion stattgefunden hat. Sie helfen herauszufinden, welche historischen Beziehungen zwischen Subpopulationen bestehen k¨onnten. Dabei gibt es zwei unterschiedliche Ans¨atze. In der klassischen Populationsgenetik beginnt man mit einer Anfangspopulation G0 und verfolgt die weitere Entwicklung vorw¨ arts von Generation zu Generation. Dabei werden z.B. Mutation und Selektion einbezogen zur Beantwortung der Frage: Wie k¨ onnte Evolution wirken? In der Koaleszenztheorie, die in den 1980iger Jahren entwickelt wurde, geht man umgekehrt von einer Anzahl von Beobachtungen aus und betrachtet zur¨ uckblickend alle Vorfahren und die m¨oglicherweise stattgefundenen Ereignisse, die an der Variation in der Stichprobe einen Anteil haben k¨ onnten. Diese Individuen bilden den Koaleszenzprozess der Stichprobe bezogen auf den Locus. Beim Koaleszenzansatz geht es also um die Frage: Wie k¨ onnte Evolution gewirkt haben, damit es zu den beobachteten Daten kommen konnte? Die Blickrichtung ist also r¨ uckw¨arts und bedingt auf die aktuellen Daten. 2.4.1 Vorw¨ artsbetrachtung ganzer Populationen

Ein einfaches Beispiel haben wir in Abb. 2.1 bei der Darstellung genetischer Drift gesehen. In diese Betrachtungsweise lassen sich Mutation und Formen der Selektion integrieren. Das Wright-Fisher-Modell ist die Grundlage f¨ ur viele Reproduktionsmodelle in endlichen Populationen. Man betrachtet dabei eine diploide Population bestehend aus N Individuen und einen biallelischen Locus mit gewissen Fitnessparametern f¨ ur die einzelnen Genotypen. Vorausgesetzt sind Zufallspaarung und Hardy-Weinberg-Gleichgewicht. Die Allelh¨ aufigkeiten der Generation T ergeben sich aus denen der Generation T-1. Der betrachtete Prozess hat kein Ged¨ achtnis, er l¨asst sich als sogenannte Markovkette betrachten. Unter bestimmten Bedingungen bleibt Heterozygosit¨ at und unter anderen kommt es zur Fixierung eines Allels. Eine Einf¨ uhrung findet man bei Neuhauser (2001). In diese Betrachtungsweise lassen sich Mutation und Formen der Selektion integrieren. Zum Beispiel untersuchten Fischer et al. (1997) die Wechselwirkung zwischen Menschen und Infektionserregern (frequency dependent selection). In diesem Modell wurde angenommen, dass Infektionserreger mit einem bestimmten Genotyp bei Wirten mit ahnlichen Genotypen zu einer geringeren Fitness f¨ uhren, da Menschen ver¨ schiedener Blutgruppen unterschiedlich anf¨ allig gegen Infektionserreger sind.

2.4

102

2. Populationsgenetik

Beim Menschen wurde hier entsprechend den Blutgruppen (AB0-System) ein Genort mit drei Allelen betrachtet. Die Simulationen liefern Hinweise daf¨ ur, dass mehr als zwei Allele vorteilhaft f¨ ur den Erhalt genetischer Vielfalt sind. 2.4.2 R¨ uckw¨ artsbetrachtung mittels Koaleszenz

Der Zufallsprozess, den man Koaleszenzprozess nennt, wird als Erweiterung klassischer populationsgenetischer Modelle betrachtet. Alle Abstammungslinien werden als Ergebnisse eines Zufallsprozesses betrachtet, bei dem jeder zuf¨ allig zwei Elternteile hat. Sucht man diese f¨ ur einen Locus r¨ uckw¨arts von Generation zu Generation auf, wachsen die Verwandtschaftslinien zusammen, bis nur noch eine Person u ¨brig bleibt. Dies ist der Koaleszenzbaum. In Abb. 2.15 ist eine Population konstanter Gr¨ oße auf drei Arten dargestellt. In Abb. 2.15.A sieht man von Generation zu Generation, welche Individuen Nachkommen haben. Angenommen in der letzten Generation wird die Stichprobe der markierten Personen gezogen. In Abb. 2.15.B sind nur die Vorfahren der Personen aus der Stichprobe gezeigt. Sie machen nur einen Teil der Gesamtpopulation aus. Ihre Vererbungslinie zeigt der Koaleszenzbaum in Abb. 2.15.C. Der j¨ ungste gemeinsame Vorfahr, bei dem die Verwandtschaftslinien zusammenlaufen, wird most recent common ancestor (MRCA) genannt. B

C

rückwärts

Zeit

vorwärts

A

Heute Abbildung 2.15. Schematische Darstellung der verschiedenen Modellans¨ atze:

A: Vorw¨ artsbetrachtung der Population, B: Betrachtung der Vorfahren einer Stichprobe r¨ uckw¨ arts in der Zeit und C: der Koaleszenzbaum (nach Jobling et al. 2004, S.186).

Die Zeit bis zum MRCA, TMRCA , ist eine wichtige Kenngr¨oße. Sie h¨angt von der Stichprobengr¨ oße n ab und wird in Vielfachen von n gemessen. Im Mit-

2.5

Ausblick

103

tel sind seit dem MRCA einer großen Stichprobe 2n Generationen vergangen. Beim Koaleszenzansatz lassen sich ebenfalls Mutation und Selektion integrieren. Wird Selektion zugelassen, nennt man den Koaleszenzbaum ancestral selection graph (ASG). Betrachtet man nicht einen Locus sondern Haplotypen und l¨ asst Rekombinationen zu, so spricht man vom ancestral recombination graph (ARC). Der Koaleszenzprozess der Haplotypen ist wesentlich komplexer, denn einzelne Teile der Haplotypen in der Stichprobe k¨onnen verschiedene MRCAs haben. Mathematische Modelle beziehungsweise Berechnungen zur Beschreibung des Koaleszensprozesses sind einfacher als solche, die den Evolutionsprozess in einer prospektiven Weise modellieren. Nur diejenigen Individuen m¨ ussen betrachtet werden, die an der beobachteten Stichprobe einen Anteil haben, und nicht die gesamte Ausgangspopulation in ihrer Ent¨ wicklung (s. Abb. 2.15.B). Eine gute Einf¨ uhrung ist der Ubersichtsartikel von Rosenberg und Nordborg (2002). Koaleszenztheorie wird z.B. bei der Simulation von Haplotypen (Griffiths und Majoram 1996) oder bei der Entwicklung neuer Assoziationsmethoden zur Genkartierung (McPeek und Strahs 1999, Service 1999) genutzt.

2.5 Ausblick

2.5

Die Populationsgenetik ist ein wichtiges Fach f¨ ur die Genetische Epidemiologie und wird an Bedeutung zunehmen. Befl¨ ugelt durch das HapMap Projekt und andere Studien mit einer sehr hohen Dichte an molekulargenetischen Informationen sind Entwicklungen bei der Beschreibung von Strukturen sowie bei Methoden- und Modellentwicklung zu erwarten. Dazu geh¨ort eine differenzierte empirische Analyse der Haplotypstrukturen und deren Vergleich in verschiedenen Populationen verbunden mit Untersuchungen zur Crossoveraktivit¨ at sowie Erkenntnissen u ¨ ber die Evolution. Strategien zur Auswahl geeigneter SNPs sowie verfeinerte statistische Auswertungsmethoden bereiten die Grundlage f¨ ur die Durchf¨ uhrung großer genetischer Assoziationstudien.

2.6 Programme Es gibt eine F¨ ulle von Programmen zur Simulation und Analyse von populationsgenetischen Kr¨ aften und deren Zusammenwirken, auf die wir nicht eingehen. Es sollen hier aus ausgew¨ ahlten Bereichen beispielhaft einige Programme genannt werden. Test auf Hardy-Weinberg-Gleichgewicht Chiquadrattests auf HWE lassen sich leicht in den u ¨blichen Statistikpaketen umsetzten. Ein exakter Test wird in Hardy (Guo und Thompson 1972)

2.6

104

2. Populationsgenetik

angeboten. Das n¨ utzliche Programm Finetti (ihg.gsf.de/cgi-bin/hw) rechnet den Chiquadrattest, einen maximum Likelihoodtest und einen exakten Test und bietet eine graphische Darstellungsm¨ oglichkeit. Haplotypsch¨ atzung Mehrgenerationenfamilien: In der Regel wird HWE vorausgesetzt. F¨ ur große Stammb¨ aume und wenige Marker ist SIMWALK2 (Weeks et al. 1995) geeignet, GENEHUNTER (Kruglyak et al. 1996) und Allegro (Gudbjartsson et al. 2005) k¨ onnen Haplotypen aus sehr vielen Markern sch¨atzen, daf¨ ur ist die Stammbaumgr¨ oße begrenzt. Beide setzen voraus, dass sich die Marker im Kopplungsgleichgewicht befinden. Gebr¨ auchlich sind auch MRHC (Qian und Beckmann 2002), Pedphase (Li und Jiang 2003) und MERLIN (Abecasis und Wigginton 2005), die diese Voraussetzung nicht machen. Kernfamilien: Speziell f¨ ur Trios und Kernfamilien sind die Methode von Rhode und F¨ urst (2001) und FAMHAP (Becker und Knapp 2004) entwickelt worden. FAMHAP kann auch f¨ ur Unverwandte eingesetzt werden, zus¨atzlich sind verschiedene Assoziationstests m¨ oglich. Die Methode von Rhode und F¨ urst setzt voraus, dass die Loci vollst¨ andig gekoppelt sind. Unverwandte: In Salem et al. (2005) sind 43 verschiedene Programme begutachtet worden, die Entwicklung ist offenbar noch nicht abgeschlossen. Zum jetzigen Zeitpunkt empfehlen wir PHASE (Stephens et al. 2001) oder SNPhap von D. Clayton (www.gene.cimr.cam.ac.uk/clayton/software/). Detailliertere Beurteilungen der verschiedenen Algorithmen und Programme findet man in Niu (2004). Die Auswahl von tagSNPs und das Sch¨ atzen von Haplotypbl¨ ocken Diese beiden Anliegen h¨ angen eng zusammen und werden auch in mehreren Programmen zusammen angeboten. F¨ ur die Auswahl von tagSNPs werden Selektionskriterien wie die Vorhersagegenauigkeit nicht gemessenener SNPs, die Vorhersagegenauigkeit von Haplotypen oder die Maximierung der statistischen Power f¨ ur Fall-Kontroll-Studien diskutiert. Einen Einblick gibt Liu (Liu et al. 2004). Auch in diesem Bereich sind Programmentwicklung und vergleichende Beurteilung Gegenstand neuester Forschung, und daher geben wir nur wenige Beispiele an. TagSNPs (Stram et al. 2003) gestattet den direkten Import von HapMap Daten und hat auch einen Modul zum Sch¨atzen von Haplotypen in Kernfamilien. HAPLOBLOCK (Greenspan und Geiger 2004) beinhaltet verschiedene Module, darunter tagSNP-Auswahl und Haplotypsch¨ atzen. Ein n¨ utzliches Werkzeug ist Haploview (Barrett et al. 2005), mit dem auch LD und Haplotypanalysen durchgef¨ uhrt werden k¨onnen.

2.7

Literatur

105

2.7 Literatur B¨ ucher Balding D J, Bishop M. Cannings C (2001) Handbook of Statistical Genetics. Wiley: Chichester Cavalli-Sforza L, Cavalli-Sforza F (1994) Verschieden und doch gleich. Droemer Knaur: M¨ unchen Jobling MA, Hurles ME, Tyler-Smith C (2004) Human Evolutionary Genetics Origins, Peoples and Disease. Garland Publishing: New York Hartl DL (1980) Principles of Population Genetics. Sinauer Associates Inc. Publishers: Sunderland Neuhauser C (2001) Mathematical models in population genetics. In Balding D J, Bishop M. Cannings C: Handbook of Statistical Genetics. Wiley: Chichester Thomas D (2004) Statistical Methods in Genetic Epidemiology. Oxford University Press: Oxford Vogel F, Motulsky AG (1997) Human Genetics Problems and Approaches. 3. Auflage Springer Verlag: Berlin Heidelberg New York Artikel Abecasis GR, Cookson WO (2000) GOLD – graphical overview of linkage disequilibrium. Bioinformatics 16:182-183 Balaresque P, Toupance B, Quintana M, Crouau-Roy B, Heyer E (2004) Sex-specific selection on the human X chromosome? Genetic Research 83:169176 Barbujani G, Russo A, Danieli GA, Spiegler AW, Borkowska J, Petrusewicz IH (1990) Segregation analysis of 1885 DMD families: significant departure from the expected proportion of sporadic cases. Human Genetics 84:522-526 Barrett JC, Fry B, Maller J, Daly MJ (2005) Haploview: analysis and visualization of LD and haplotype maps. Bioinformatics 21:263-265 Becker T, Knapp M (2004) Maximum-likelihood estimation of haplotype frequencies in nuclear families. Genetic Epidemiology 27:21-32 Clark AG (1990) Inference of haplotypes from PCR-amplified samples of diploid populations. Molecular biology and evolution 7:111-122 Crouau-Roy B, Clayton J (1995) Haplotypes without children: PCR applied to close loci on individual human sperm. Human Biology 67:171-178 Crow JF (1999) Hardy, Weinberg and language impediments. Genetics 152: 821-825 Daly MJ, Rioux JD, Schaffner SF, Hudson TJ, Lander ES (2001) Highresolution haplotype structure in the human genome. Nature Genetics 29:229232

2.7

106

2. Populationsgenetik

Devlin B, Risch N [1995] A comparison of linkage disequilibrium measures for fine-scale mapping. Genomics 29:311-322 Ellegren H (2004) Microsatellites: simple sequences with complex evolution. Nature Reviews Genetics 5:435-445 Fischer C, Jock B, Vogel F (1998) Interplay between humans and infective agents: a population genetic study. Human Genetics 102:415-422 Fu-Tien C, Deng M, Kwan-Lih H, Wei-Ming C, Chuen-Den T, Yung-Zu T (1998) Determination of angiotensin-converting enzyme gene polymorphisms: stepdown PCR increases detection of heterozygotes. Clinical Chemistry 44:1353-1356 Gabriel SB, Schaffner SF, Nguyen H, Moore JM, Roy J, Blumenstiel B, Higgins J, DeFelice M, Lochner A, Faggart M, Liu-Cordero SN, Rotimi C, Adeyemo A, Cooper R, Ward R, Lander ES, Daly MJ, Altshuler D (2002) The structure of haplotype blocks in the human genome. Science 296:22252229 Greenspan G, Geiger D (2004) High density linkage disequilibrium mapping using models of haplotype block variation. Bioinformatics 20 Supplement 1:I137-I144 Griffiths RC, Majoram P (1996) Ancestral inference from samples of DNA sequences with recombination. Journal of Computational Biology 3:479-502 Guo SW, Thompson EA (1992) Performing the exact test of Hardy-Weinberg proportion for multiple alleles. Biometrics 48:361-372 Hardy GH (1908) Mendelian proportions in a mixed population. Science 28: 49-50 Hedrick PW (1987) Gametic disequilibrium measures: proceed with caution. Genetics 117:331-341 International HapMap Consortium (2003) The International HapMap Project. Nature 426:789-796 International HapMap Consortium (2005) A haplotype map of the human genome. Nature 437:1299-1320 Kirk KM, Cardon LR (2002) The impact of genotyping error on haplotype reconstruction and frequency estimation. European Journal of Human Genetics 10:616-622 Kruglyak L, Daly MJ, Reeve-Daly MP, Lander ES (1996) Parametric and nonparametric linkage analysis: a unified multipoint approach. American Journal of Human Genetics 58:1347-1363 Kruglyak L, Nickerson DA (2001) Variation is the spice of life. Nature Genetics 27:234-236 Lewontin RC (1988) On measures of gametic disequilibrium. Genetics 120: 849-852 Li J, Jiang T (2003) Efficient inference of haplotypes from genotypes on a

2.7

Literatur

107

pedigree. Journal of Bioinformatics and Computational Biology 1:41-69 Liu N, Sawyer SL, Mukherjee N, Pakstis AJ, Kidd JR, Kidd KK, Brookes AJ, Zhao H (2004) Haplotype block structures show significant variation among populations. Genetic Epidemiology 27:385-400 McPeek MS, Strahs A (1999) Assessment of linkage disequilibrium by the decay of haplotype sharing, with application to fine-scale genetic mapping. American Journal of Human Genetics 65:858-875 Nasidze I, Risch GM, Robichaux M, Sherry ST, Batzer MA, Stoneking M (2001) Alu insertion polymorphisms and the genetic structure of human populations from the Caucasus. European Journal of Human Genetics 9:267272 Niu T (2004) Algorithms for inferring haplotypes. Genetic Epidemiology 27:334-347 Nothnagel M, Furst R, Rohde K (2002) Entropy as a measure for linkage disequilibrium over multilocus haplotype blocks. Human heredity 54:186-198 Paterson AD, Petronis A (1999) Transmission ratio distortion in females on chromosome 10p11-p15. American Journal of Medical Genetics 88:657-661 Patil N, Berno AJ, Hinds DA, Barrett WA, Doshi JM, Hacker CR, Kautzer CR, Lee DH, Marjoribanks C, McDonough DP, Nguyen BT, Norris MC, Sheehan JB, Shen N, Stern D, Stokowski RP, Thomas DJ, Trulson MO, Vyas KR, Frazer KA, Fodor SP, Cox DR (2001) Blocks of limited haplotype diversity revealed by high-resolution scanning of human chromosome 21. Science 294:1719-1723 Phillips MS, Lawrence R, Sachidanandam R, Morris AP, Balding DJ, Donaldson MA, Studebaker JF, Ankener WM, Alfisi SV, Kuo FS, Camisa AL, Pazorov V, Scott KE, Carey BJ, Faith J, Katari G, Bhatti HA, Cyr JM, Derohannessian V, Elosua C, Forman AM, Grecco NM, Hock CR, Kuebler JM, Lathrop JA, Mockler MA, Nachtman EP, Restine SL, Varde SA, Hozza MJ, Gelfand CA, Broxholme J, Abecasis GR, Boyce-Jacino MT, Cardon LR (2003) Chromosome-wide distribution of haplotype blocks and the role of recombination hot spots. Nature Genetics 33:382-387 Qian D, Beckmann L (2002) Minimum-recombinant haplotyping in pedigrees. American Journal of Human Genetics 70:1434-1445 Reich DE, Schaffner SF, Daly MJ, McVean G, Mullikin JC, Higgins JM, Richter DJ, Lander ES, Altshuler D (2002) Human genome sequence variation and the influence of gene history, mutation and recombination. Nature Genetics 32:135-142 Rohde K, Furst R (2003) Association of genetic traits to estimated haplotypes from SNP genotypes using EM algorithm and Markov Chain Monte Carlo techniques. Human Heredity 56:41-47 Rosenberg NA, Nordborg M (2002) Genealogical trees, coalescent theory

108

2. Populationsgenetik

and the analysis of genetic polymorphisms. Nature Reviews Genetics 3:380390 Sachidanandam R, Weissman D, Schmidt SC, Kakol JM, Stein LD, Marth G, Sherry S, Mullikin JC, Mortimore BJ, Willey DL, Hunt SE, Cole CG, Coggill PC, Rice CM, Ning Z, Rogers J, Bentley DR, Kwok PY, Mardis ER, Yeh RT, Schultz B, Cook L, Davenport R, Dante M, Fulton L, Hillier L, Waterston RH, McPherson JD, Gilman B, Schaffner S, Van Etten WJ, Reich D, Higgins J, Daly MJ, Blumenstiel B, Baldwin J, Stange-Thomann N, Zody MC, Linton L, Lander ES, Altshuler D; International SNP Map Working Group (2001) A map of human genome sequence variation containing 1.42 million single nucleotide polymorphisms. Nature 409:928-933 Salem RM, Wessel J, Schork NJ (2005) A comprehensive literature review of haplotyping software and methods for use with unrelated individuals. Human Genomics 2:39-66 Service SK, Lang DW, Freimer NB, Sandkuijl LA (1999) Linkage-disequilibrium mapping of disease genes by reconstruction of ancestral haplotypes in founder populations. American Journal of Human Genetics 64:1728-1738 Stephens M, Smith NJ, Donnelly P (2001) A new statistical method for haplotype reconstruction from population data. American Journal of Human Genetics 68:978-989 Stram DO, Haiman CA, Hirschhorn JN, Altshuler D, Kolonel LN, Henderson BE, Pike MC (2003) Choosing haplotype-tagging SNPs based on unphased genotype data using a preliminary sample of unrelated subjects with an example from the Multiethnic Cohort Study. Human Heredity 55:27-36 Wall JD, Pritchard JK (2003) Haplotype blocks and linkage disequilibrium in the human genome. Nature Reviews Genetics 4:587-597 Weeks DE, Sobel E, O’Connell JR, Lange K (1995) Computer programs for multilocus haplotyping of general pedigrees. American Journal of Human Genetics 56:1506-1507 ¨ Weinberg W (1908) Uber den Nachweis der Vererbung beim Menschen. Jahreshefte des Vereins f¨ ur vaterl¨ andische Naturkunde in W¨ urttemberg 64:368382 Wellek S (2004) Tests for establishing compatibility of an observed genotype distribution with Hardy-Weinberg equilibrium in the case of a biallelic locus. Biometrics 60:694-703 Wigginton JE, Cutler DJ, Abecasis GR (2005) A note on exact tests of Hardy-Weinberg equilibrium. American Journal of Human Genetics 76:887893 Xu X, Peng M, Fang Z (2000) The direction of microsatellite mutations is dependent upon allele length. Nature Genetics 24:396-399 Zhang K, Deng M, Chen T, Waterman MS, Sun F (2002) A dynamic pro-

2.7

Literatur

109

gramming algorithm for haplotype block partitioning. Proceedings of the National Academy of Sciences of the United States of America 99:7335-7339 Zollner S, Wen X, Hanchard NA, Herbert MA, Ober C, Pritchard JK (2004) Evidence for extensive transmission distortion in the human genome. American Journal of Human Genetics 74:62-72 Webseiten Huckenbeck/Scheil: The distribution of the human DNA-PCR Polymorphisms, Institute of Forensic Medicine and Institute of Human Genetics and Anthropology Universit¨ atsklinikum D¨ usseldorf Heinrich-Heine-University, www.uni-duesseldorf.de/WWW/MedFak/Serology/ DbSNP: www.ncbi.nlm.nih.gov/projects/SNP ihg.gsf.de/cgi-bin/hw The International HapMap Project: http://www.hapmap.org The SNP Consortium: http://snp.cshl.org/ Mikrosatellitensysteme: http://www.uni-duesseldorf.de/WWW/MedFak/ Serology/DNA-Systeme www.gene.cimr.cam.ac.uk/clayton/software/ Firma Affymetrix: http://www.Affymetrix.com

Kapitel 3 Famili¨ are Aggregation

3

3

3 Famili¨ are Aggregation 3.1 Einleitung ....................................................................... 3.2 Epidemiologische Maßzahlen f¨ ur famili¨ are Aggregation ............. 3.3 Segregationsanteil mit und ohne Auswahlverzerrung................. 3.3.1 Segregationsanteil bei einer seltenen autosomal dominanten Krankheit ................................. 3.3.2 Segregationsanteil bei einer seltenen autosomal rezessiven Krankheit .................................... 3.3.3 Auswahlverzerrung .................................................... 3.4 Komplexe Segregationsanalyse ............................................. 3.4.1 Hauptgen-Modell ....................................................... 3.4.2 Polygenes Modell....................................................... 3.4.3 Gemischtes Modell ..................................................... 3.4.4 Vereinigtes Modell ..................................................... 3.4.5 Beispiel: Komplexe Segregationsanalyse zum Brustkrebs ............................................................... 3.4.6 Beispiel: Komplexe Segregationsanalyse zum Medizinstudium ........................................................ 3.4.7 Elston-Stuart-Algorithmus zur Berechnung der Likelihood . 3.5 Ausblick.......................................................................... 3.6 Programme ...................................................................... 3.7 Literatur .........................................................................

113 113 114 117 118 120 122 128 129 132 133 136 137 145 149 151 153 154

3 Famili¨ are Aggregation 3.1 Einleitung Genetisch-epidemiologische Studien werden h¨aufig durch die Identifikation einer positiven Familiengeschichte als Risikofaktor f¨ ur eine Krankheit in vorangegangenen epidemiologischen Studien ausgel¨ost. Diese kann sowohl auf m¨ ogliche genetische Ursachen als auch auf gemeinsame nichtgenetische Faktoren (gemeinsame Umwelt, Kultur, soziale Faktoren, etc.) hindeuten. Die initialen Studien sch¨ atzen beispielsweise das relative Risiko f¨ ur Verwandte erkrankter Personen in Bezug auf die allgemeine Bev¨olkerung. Solche relativen Risiken sind wichtige epidemiologische Maßzahlen f¨ ur die famili¨are Aggregation, d.h. die H¨ aufung erkrankter Personen in Familien. Mit ihrer Hilfe wird festgestellt, ob und wie stark tats¨ achlich eine famili¨are H¨aufung u ¨ber ein rein zuf¨ alliges Maß hinaus vorliegt. Epidemiologische Maßzahlen f¨ ur famili¨are Aggregation werden in Abschnitt 3.2 besprochen. An die Untersuchung der famili¨ aren H¨ aufung schließt sich h¨aufig eine Segregationsanalyse an, d.h. eine Familienstudie, deren Ziel es ist, die Existenz eines Mendelschen Hauptgens nachzuweisen und die Parameter des genetischen Modells (s. Kapitel 1) zu sch¨ atzen. Auch die Modellierung mehrerer Gene ist m¨ oglich. Segregation bedeutet die Aufspaltung und Verteilung der jeweils zwei Allele von den Eltern auf ihre Kinder (s. auch Mendelsche Segregation, Abschnitt 1.2.3). Alle Verfahren der Segregationsanalyse basieren auf der Berechnung der Wahrscheinlichkeiten f¨ ur die beobachteten Ph¨anotypen bei vorgegebenen hypothetischen Parametern f¨ ur das genetische Modell und bei den vorliegenden Familienstrukturen. Zur Sch¨atzung der Parameter wird unter diesen verschiedenen Modellvorschl¨ agen mittels eines statistischen Verfahrens (Likelihood-Ratio-Test, Exkurs 3) der plausibelste Ansatz mit der kleinsten Parameterzahl ausgew¨ ahlt. Die Ursache einer monogenen Erkrankung wie Mukoviszidose ist eine Mutation in einem einzelnen Gen, das entsprechend den Mendelschen Gesetzen segregiert. Die disponierenden Allele dieses Hauptgens, die zu einer Erh¨ohung des Erkrankungsrisikos f¨ uhren, sind i.d.R. selten in der Bev¨olkerung. Das Prinzip der Segregationsanalyse wird im Abschnitt 3.3 f¨ ur Kernfamilien, d.h. Eltern und Kinder, f¨ ur eine seltene autosomale Krankheit erl¨autert. Hierbei ist es zur Vermeidung systematischer Fehler notwendig, die Auswahl der Familien mit erkrankten Personen zu ber¨ ucksichtigen. Bei komplexen Erkrankungen k¨onnen Mendelsche Subformen (Hauptgene), genetische und nichtgenetische direkt disponierende Faktoren (Haupteffekte),

3.1

114

3. Famili¨are Aggregation

oder auch Gene, die das Risiko durch andere Faktoren modifizieren (Interaktionseffekte), existieren. Seltene monogene Erkrankungen und seltene Mendelsche Unterformen einer komplexen Erkrankung lassen sich mittels Segregationsanalyse gut untersuchen. Dagegen erfordert die komplexe Segregationsanalyse, die in Abschnitt 3.4 betrachtet wird, aufwendigere Verfahren als die Analyse rein monogener Erkrankungen. Hier m¨ ussen sowohl Hauptgene als auch polygene Komponenten ber¨ ucksichtigt werden (s. Abschnitt 1.3.4). Das Kapitel schließt mit einem Ausblick (Abschnitt 3.5), der wichtige Punkte und Probleme einer erfolgreichen Segregationsanalyse komplexer Krankheiten darstellt sowie einige g¨ angige Softwareprogramme (Abschnitt 3.6).

3.2

3.2 Epidemiologische Maßzahlen f¨ ur famili¨ are Aggregation Zu Beginn genetisch-epidemiologischer Studien f¨ ur eine Krankheit kann die Etablierung der positiven Familiengeschichte als Risikofaktor (Khoury et al. 1993) stehen. Sie wird u ¨ blicherweise (aber nicht immer) definiert als das Auftreten einer Erkrankung bei einem oder mehreren Verwandten ersten Grades (Eltern, Geschwister, Kinder) einer Person. Ziel ist hierbei die Bestimmung des Odds Ratios f¨ ur die Exposition einer positiven Familiengeschichte ausgehend von einer Fall-Kontroll-Studie. Diese Exposition h¨angt allerdings von vielen Faktoren ab, wie z.B. der Zahl der Verwandten und dem Verwandtschaftsgrad zum Probanden, ihrer Altersverteilung sowie der Pr¨avalenz der Erkrankung in der Population. Ist beispielsweise die Verteilung der Familiengr¨oßen zwischen F¨ allen und Kontrollen unterschiedlich, so kommt es aufgrund dieser Unterschiede und der Pr¨ avalenz der Erkrankung in der Gesamtbev¨olkerung zu verf¨ alschten Sch¨ atzungen des Odds Ratios. Die verschiedenen Designs lassen sich klar im Aufwand und auch in ihrer Validit¨ at unterscheiden (Liang und Beaty 2000). Im reinen Fall-Kontroll-Design (abgek¨ urztes Verfahren zur Familiengeschichte) geben die Probanden direkt u ahnten Verzerrungen k¨onnen durch ¨ ber die Familie Auskunft. Die oben erw¨ eine stratifizierte Verwendung der Informationen zur Familie teilweise vermieden werden. Hier kommen Scores zur Familiengeschichte (family history score oder family risk index, Schwartz et al. 1988) zum Einsatz, bei denen beispielsweise in verschiedenen disjunkten Untergruppen, definiert nach bestimmten Merkmalen (Strata, z.B. nach Verwandtschaftsgrad, Geschlecht, Altersgruppe), die erwartete Anzahl Erkrankter mit der beobachteten Anzahl Erkrankter verglichen werden. Zu den oben erw¨ahnten Verzerrungsgr¨ unden kommt m¨ oglicherweise noch ein unterschiedliches Erinnerungsverm¨ogen f¨ ur Krankheiten in der Familie zwischen F¨ allen und Kontrollen hinzu.

3.2

Epidemiologische Maßzahlen f¨ ur famili¨ are Aggregation

115

Aufwendiger ist es, wenn f¨ ur eine detaillierte Familiengeschichte die Informationen u ¨ber die verschiedenen Verwandten getrennt erhoben werden. Hier lassen sich detailliertere Scores zur Familiengeschichte entwickeln. Den Nutzen eines Scores zur Familiengeschichte als Pr¨ adiktor f¨ ur Brustkrebsmortalit¨at zeigen Yang et al. (1998). Die gr¨ oßte Schwierigkeit ist hier die Missklassifikation aufgrund von Falschangaben (Informationsmangel) der Probanden. Im Familienansatz werden die Angeh¨ origen selbst auch f¨ ur die Studie rekrutiert. Dieser Studientyp liefert den gr¨ oßten Informationsgehalt u ¨ ber die Verwandten, und Diagnosen k¨ onnen direkt verifiziert werden. Auch k¨onnen die Familien anschließend f¨ ur Kopplungsstudien verwendet werden. Ein Nachteil ist ein m¨ oglicher Selektionsbias bei den Angeh¨origen. Auch bei quantitativen Ph¨ anotypen l¨ asst sich die positive Familiengeschichte in einem Fall-Kontroll-Ansatz untersuchen, in dem man die Extrema der Populationsverteilung als Fall bzw. Kontrolle (oberste und unterste 10% der Bev¨ olkerung) deklariert. In einem anderen Studiendesign werden Familien aus der Bev¨ olkerung unselektiert rekrutiert. Anschließend werden die Korrelationen des quantitativen Ph¨ anotyps zwischen Verwandten verschiedenen Typs (z.B. Eltern und Kinder, Geschwister, Verwandte zweiten Grades) gesch¨ atzt. Zus¨ atzlich k¨ onnen mit diesem Design auch die sogenannte Heritabilit¨ at und der Vererbungsmodus gesch¨ atzt werden. Die Hauptidee ist, dass bei einem zugrunde liegenden genetischen Risikofaktor die St¨arke der Korrelationen zwischen Verwandten ersten Grades h¨oher sein sollte als zwischen weiter entfernten Verwandten oder den unverwandten Ehepartnern. Die Heritabilit¨at bezeichnet hierbei den genetischen (d.h. erblichen) Anteil an der Varianz des quantitativen Ph¨ anotyps in der untersuchten Population. Dies ist die weitgefasste Definition der Heritabilit¨at. In der eng gefassten Definition, die sp¨ ater noch verwendet wird, bezeichnet die Heritabilit¨at den genetischen Anteil an der Varianz außer dem Hauptgen. Die Heritabilit¨at kann zwischen verschiedenen Bev¨ olkerungen stark schwanken, da schon die anotyps sehr unterschiedlich sein kann, wie beispielsweise Verteilung des Ph¨ bei Lipoprotein(a)-Konzentrationen (Scholz et al. 1999). F¨ ur die Sch¨atzung der Korrelationen und der Heritabilit¨ at sei auf die exzellenten Ausf¨ uhrungen von Falconer und Mackay (1989) verwiesen. Zeigt sich eine positive Familiengeschichte, so kann dies auch nichtgenetische Risikofaktoren als Ursache haben, die eine hohe Korrelation zwischen Familienmitgliedern zeigen, z.B. Rauchverhalten. Deshalb ist es wichtig, sich den Risikofaktor Familie im Detail anzusehen. Die wichtigste Maßzahl hierf¨ ur ist das Wiederholungsrisiko (recurrence risk) f¨ ur Verwandte vom Typ R: λR =

KR Pr¨ avalenz (Verwandter vom Typ R eines Erkrankten) = Pr¨ avalenz (Allgemeinbev¨ olkerung) K

116

3. Famili¨are Aggregation

wobei K die Populationspr¨ avalenz bezeichnet und KR die Pr¨avalenz in der Gruppe der Personen, die Verwandte vom Typ R eines bereits Erkrankten sind. Im Gegensatz zum relativen Risiko in der klassischen Epidemiologie ist diese Maßzahl u avalenz und nicht u ¨ ber die Pr¨ ¨ ber die Inzidenz definiert. Sie ist ein Indikator f¨ ur den m¨ oglichen Vererbungsmodus. Ihre Gr¨oße ist entscheidend f¨ ur die Power genetisch-epidemiologischer Studien (Risch 1990). Einige Verwandtschaftstypen sind: Eineiige Zwillinge (monozygotic twins MZ), Geschwister oder zweieiige Zwillinge (sibling S, dizygotic twins DZ), Kinder (offspring O), Verwandte ersten, zweiten und dritten Grades (1,2,3). Zeigen monozygote Zwillinge ein h¨ oheres Wiederholungsrisiko als dizygote, so ist dies ein klarer Hinweis auf genetische gegen¨ uber nichtgenetischen Effekten. F¨ ur die Wiederholungsrisiken gelten folgende Beziehungen im Mendelschen Ein-Locus-Modell (Risch 1990): λ1 − 1 = 2(λ2 − 1) = 4(λ3 − 1) wobei der Index den Verwandtschaftsgrad bezeichnet. Mit jedem Verwandtschaftsgrad verringert sich also das Wiederholungsrisikos minus 1 um den Faktor 2. Risch (1990) entwickelte auch Formeln f¨ ur Mendelsche Mehr-LocusModelle. Er zeigte beispielsweise, dass sich das Gesamtwiederholungsrisiko dann als Produkt der Wiederholungsrisiken bedingt auf die einzelnen Loci ergibt, wenn sich die Penetranzen der Loci bereits multiplikativ verhalten: λR = λ1 λ2

wenn

f1+2 = f1 f2

wobei hier die Indizes 1 und 2 die beiden betrachteten Loci in einem ZweiLocus-Modell bezeichnen. In einem Mehr-Locus-Modell mit additiver Penetranz ist der Abfall im Wiederholungsrisiko mit der Abnahme des Verwandtschaftsgrades wie in einem Ein-Locus-Modell. Die Abnahme im Mehr-LocusModell mit multiplikativer Penetranz ist schneller. Da das Wiederholungsrisiko ein Verh¨ altnis der Pr¨avalenzen darstellt, h¨angt seine Interpretation auch von der absoluten Pr¨avalenz in der Bev¨olkerung ab. Ein großer Effekt bei einer h¨ aufigen Krankheit f¨ uhrt zu kleineren Werten f¨ ur das Wiederholungsrisiko als ein ebenso großer Effekt bei einer seltenen Krankheit. Das Risiko f¨ ur Geschwister von Alzheimerpatienten im Alter von 80 Jahren betr¨ agt 30-40%, in der Allgemeinbev¨ olkerung ca. 10%. Somit ergibt sich nur ein Wiederholungsrisiko von λs =3 bis 4, obwohl das ε4-Allel des Gens APOE (Apolipoprotein E) verantwortlich f¨ ur 30-50% aller Alzheimer Patienten ist (Farrer und Cupples, 1998). Der Unterschied zwischen relativen und absoluten Risiken ist also zu beachten.

3.3

Segregationsanteil mit und ohne Auswahlverzerrung

117

3.3 Segregationsanteil mit und ohne Auswahlverzerrung Zur Untersuchung des Erbgangs klassischer Mendelscher Krankheiten testet man bei der klassischen Segregationsanalyse den Segregationsanteil (segregation ratio) in einer Stichprobe von Kernfamilien im Vergleich zu dem Segregationsanteil, der unter einem bestimmten vorgegebenen Mendelschen Erbgang zu erwarten ist. F¨ ur einen festen Paarungstyp der Eltern ist der Segregationsanteil ps definiert als Wahrscheinlichkeit, dass ein Kind solcher Eltern erkrankt ist: ps = P (Kind erkrankt | Genotypen der Eltern) Im Folgenden betrachten wir das Mendelsche Ein-Locus-Modell (s. Abschnitt 1.2.3) f¨ ur einen biallelischen Locus mit dem disponierenden Allel D und dem normalen Allel d. F¨ ur klassische Mendelsche Krankheiten nimmt die Penetranz P(erkrankt | Genotyp) nur die Werte 0 und 1 an. F¨ ur solche Krankheiten ist die Genotyp-Ph¨ anotyp-Beziehung so klar, dass der diskrete Genotyp sich direkt in einen diskreten Krankheitsph¨anotyp u ¨ bertr¨agt. Damit zeigen Familien, in denen ein solches klassisches Mendelsches Gen segregiert, sehr charakteristische Muster von erkrankten und nicht erkrankten Familienmitgliedern. Der Segregationsanteil wird als Maßzahl verwendet, um das charakteristische Muster in Kernfamilien zu kennzeichnen. Die m¨ oglichen Genotypen eines einzelnen Elternteils sind DD, Dd und dd. F¨ ur einen autosomalen Locus f¨ uhren die Kombinationen der Genotypen bei beiden Eltern zu neun m¨ oglichen Paarungstypen. In der Regel werden jedoch nur sechs Paarungstypen unterschieden, da das Geschlecht der Eltern nur bei X-chromosomalen Erbg¨ angen oder bei Imprinting-Effekten getrennt betrachtet werden muss. Tabelle 3.1 und Tabelle 3.2 zeigen die Genotyp-Verteilungen der Kinder bedingt auf den elterlichen Paarungstyp f¨ ur ein autosomales bzw. X-chromosomales Ein-Locus-Modell. Im Folgenden schauen wir uns den erwarteten Segregationsanteil zun¨achst bei einem autosomal dominanten Erbgang mit einem seltenen disponierenden Allel (Abschnitt 3.3.1), und dann bei einem autosomal rezessiven Erbgang (Abschnitt 3.3.2) an (Sham 1998). Den X-chromosomalen Erbgang werden wir hier nicht weiter betrachten. Bei seltenen Krankheiten ist es sehr ineffektiv, eine reine Zufallsstichprobe von Familien zu erheben. Sie w¨ urde zahlreiche Familien ohne erkrankte Personen und damit bei diesen keine Information u ¨ ber das Segregieren der Erkrankung enthalten. Ein m¨ ogliches Auswahlverfahren (ascertainment procedure) ist z.B. die ausschließliche Rekrutierung von Familien mit mindestens einem erkrankten Kind. Durch diese Abweichung von einer Zufallsstichprobe aus der Allgemeinbev¨ olkerung entsteht eine Auswahlverzerrung (ascer-

3.3

118

3. Famili¨are Aggregation

tainment bias) f¨ ur die Verteilung erkrankter und nicht erkrankter Kinder in den betrachteten Familien. Wegen der systematischen Verzerrung wird bei der Sch¨ atzung des Segregationsanteils erkrankter Personen eine Korrektur ben¨ otigt. Die Auswahlverzerrung wird in Abschnitt 3.3.3 behandelt. Tabelle 3.1. Autosomales Ein-Locus-Modell — Genotypverteilung der Kinder bei

vorgegebenem elterlichen Paarungstyp (PT).

P(Genotyp des Kindes | PT) Paarungstyp (PT)

DD

Dd

dd

DD

x

DD

1

0

0

DD

x

Dd

1/2

1/2

0

DD

x

dd

0

1

0

Dd

x

Dd

1/4

1/2

1/4

Dd

x

dd

0

1/2

1/2

dd

x

dd

0

0

1

Tabelle 3.2. X-chromosomales Ein-Locus-Modell — Genotypverteilung der Kinder

(T=Tochter, S=Sohn) bei vorgegebenem elterlichen Paarungstyp (PT).

P(Genotyp T | PT)

P(Genotyp S | PT)

Paarungstyp (PT)

DD

Dd

dd

DY

dY

DD

x

DY

1

0

0

1

0

DD

x

dY

0

1

0

1

0

Dd

x

DY

1/2

1/2

0

1/2

1/2

Dd

x

dY

0

1/2

1/2

1/2

1/2

dd

x

DY

0

1

0

0

1

dd

x

dY

0

0

1

0

1

3.3.1 Segregationsanteil bei einer seltenen autosomal dominanten Krankheit

Bei einem autosomal dominanten Krankheitsgen mit disponierendem Allel D und normalem Allel d sind Personen mit den Genotypen DD und Dd erkrankt und Personen mit dem Genotyp dd nicht erkrankt. Zus¨atzlich setzen wir voraus, dass das disponierende Allel D selten ist, was f¨ ur viele klassische autosomal dominante Krankheiten zutrifft. In einer Population betrachten wir ausschließlich Paarungen, bei denen genau ein Elternteil erkrankt ist. Da D selten ist, haben erkrankte Personen fast ausschließlich den Genotyp Dd (s. Abschnitt 2.2.2.1). Den Anteil erkrankter Eltern mit Genotyp DD vernachl¨ assigen wir. Daher entspricht der ph¨anotypischen Paarung erkrankt - nicht erkrankt in der Regel der (genotypische)

3.3

Segregationsanteil mit und ohne Auswahlverzerrung

119

Paarungstyp Dd x dd. Gem¨ aß Tabelle 3.1 gilt nun ps = P (Dd|Dd × dd) = 1/2 d.h. in der Generation der Kinder solcher Paarungen werden in einer Population bei einer seltenen autosomal dominanten Krankheit 50% erkrankte Personen erwartet. In derselben Population ziehen wir nun eine Zufallsstichprobe von Familien ¨ mit erkrankt – nicht erkrankt Paarungen der Eltern. Zur Uberpr¨ ufung des vermuteten autosomal dominanten Erbgangs k¨onnen wir den beobachteten Segregationsanteil in den Familien mit dem erwarteten Segregationsanteil 1/2 vergleichen. Der einfachste Test setzt dabei f¨ ur die Anzahl r erkrankter Kinder bei insgesamt k Kindern unter der Nullhypothese eines autosomal dominanten Erbgangs eine Binomialverteilung B(k, ps = 1/2) mit Parametern k und ps = 1/2 voraus. Falls die Nullhypothese ps = 1/2 nicht verworfen wird, wird festgestellt, dass die Daten kompatibel (oder pr¨aziser: nicht inkonsistent) mit einem autosomal dominanten Erbgang sind. Ein weiteres Testverfahren basiert auf der Chiquadratverteilung (siehe Abschnitt 1.2.2). Die beobachteten Anzahlen erkrankter (O1 ) und nicht erkrankter (O2 ) Kinder werden mit den erwarteten Anzahlen erkrankter (E1 ) und nicht erkrankter (E2 ) Kinder verglichen. Die Teststatistik ist die klassische χ2 -Teststatistik (mit einem Freiheitsgrad): χ21 =

2 2  (Oi − Ei ) i=1

Ei

.

Ein drittes Testverfahren basiert auf dem Likelihood-Ratio-Test, der bei der komplexen Segregationsanalyse genauer beschrieben wird. Die Likelihood (s. Abschnitt 1.4.1) f¨ ur den Segregationsanteil ps bei r erkrankten Kindern unter insgesamt k Kindern ist gegeben durch
 k r L(ps ) = p (1 − ps )k−r . r s Zu beachten ist, dass die Auswahl der Familien aus der Gesamtbev¨olkerung (bis auf die oben erw¨ ahnte Vernachl¨ assigung kranker Eltern mit Genotyp DD) auf der Basis eines einzigen Paarungstyps der Eltern durchgef¨ uhrt wurde. Bei einer solchen Zufallsstichprobe entsteht keine Auswahlverzerrung bei der Sch¨ atzung des Segregationsanteils, denn bedingt auf die Genotypkombination der Eltern ist die Genotypverteilung unter den Kindern zuf¨allig.

120

3. Famili¨are Aggregation

3.3.2 Segregationsanteil bei einer seltenen autosomal rezessiven Krankheit

Bei einem autosomal rezessiven Krankheitsgen mit disponierendem Allel D und normalem Allel d sind Personen mit dem Genotyp DD erkrankt und Personen mit den Genotypen Dd oder dd nicht erkrankt. Zus¨atzlich setzen wir wieder voraus, dass das disponierende Allel D selten ist. Wollten wir analog zum seltenen autosomal dominanten Erbgang ausschließlich Paarungen von erkrankten und nicht erkrankten Eltern betrachten, so ergibt sich kein eindeutiger Paarungstyp. Gem¨ aß Tabelle 3.1 f¨ uhrt dies zu den Paarungstypen DD x Dd und DD x dd, von denen der deutlich h¨aufigere Paarungstyp DD x dd keine erkrankten Kinder zeugen kann. Betrachten wir nun andererseits alle Paarungen, bei denen sowohl erkrankte als auch nicht erkrankte Kinder gezeugt werden k¨ onnen, so sind dies die Paarungen DD x Dd (Eltern erkrankt, nicht erkrankt) und Dd x Dd (Eltern beide nicht erkrankt). Hierbei kann jeweils der elterliche Genotyp Dd nicht vom h¨aufigeren Genotyp dd unterschieden werden. Damit ist zur Bestimmung des Segregationsanteils eine Auswahl des Paarungstyps rein auf der Basis der ph¨anotypischen Paarung der Eltern nicht m¨ oglich. Elternpaare, bei denen beide Eltern erkrankt sind, f¨ uhren zwar zu 100% zu erkrankten Kindern, sind jedoch extrem selten und liefern keine Informationen u ¨ ber den Segregationsanteil. Werden nun alle Paarungen mit nicht erkrankten Eltern rekrutiert, die mindestens ein erkranktes Kind haben, so ist nur noch ein elterlicher Paarungstyp, n¨ amlich Dd x Dd m¨ oglich. Die Rekrutierung von sogenannten segregierenden Familien, d.h. Familien mit vorhandenen erkrankten Kindern, hilft also, den Paarungstyp zu bestimmen. In der Grundbev¨olkerung aller Dd x Dd Familien betr¨ agt der erwartete Segregationsanteil 1/4. Betrachten wir nun unser Auswahlverfahren und nehmen an, dass alle Familien in der betrachteten Region, die die Einschlusskriterien erf¨ ullen, tats¨achlich rekrutiert werden k¨ onnen. Dann wird der beobachtete Segregationsanteil in diesen Famiuhrt zur Auswahlverzerrung lien h¨ oher sein als 1/4. Das Auswahlverfahren f¨ des Segregationsanteils. Dies liegt daran, dass Familien ohne kranke Kinder nicht rekrutiert werden, aber nat¨ urlich trotzdem zum Segregationsanteil in der Gesamtpopulation beitragen. Betrachten wir diese Auswahlverzerrung nun genauer. In der Grundbev¨ olkerung aller Dd x Dd Familien gilt ps = P(Kind erkrankt|Dd x Dd) = 1/4. Damit ist jedes einzelne Kind solcher Eltern mit Wahrscheinlichkeit ps =1/4 krank und mit Wahrscheinlichkeit 1 − ps =3/4 nicht krank. Die Wahrscheinlichkeit, dass eine Dd x Dd Familie mit k Kindern bei dem oben angegebenen Auswahlverfahren ausgew¨ ahlt wird, d.h. dass von den Kindern mindestens ei-

3.3

Segregationsanteil mit und ohne Auswahlverzerrung

121

nes krank ist, ist gegeben durch: 1 − (1 − ps )k Im Detail bedeutet dies, dass von Dd x Dd Familien mit genau einem Kind nur 25% rekrutiert werden, von Dd x Dd Familien mit genau zwei Kindern nur 44%, von Dd x Dd Familien mit genau drei Kindern nur 58% usw.. Damit folgt die Verteilung r erkrankter Kinder in den Familien in der Stichprobe mit genau k Kindern nicht mehr einer einfachen Binomialverteilung B(k, ps = 1/4), sondern der bedingten Verteilung
 k r p (1 − ps )k−r r s P (r|k, ps ) = . P (r|k, ps , r > 0) = P (r > 0) 1 − (1 − ps )k Dies ist eine gestutzte Binomialverteilung. F¨ ur die bei dem Auswahlverfahren erwartete Anzahl erkrankter Kinder E(r|k, ps , r > 0) in diesen Familien gilt:   k  r kr prs (1 − ps )k−r ps · k = E(r|k, ps , r > 0) = k 1 − (1 − p ) 1 − (1 − ps )k s r=1 Tabelle 3.3 zeigt die erwartete Anzahl erkrankter Kinder in Dd x Dd Familien mit genau k Kindern (k=1, 2,. . . ,5) f¨ ur ps = 1/4 ohne Auswahlverfahren (Grundpopulation) und gem¨ aß Auswahlverfahren (Stichprobe) f¨ ur N =100 Familien dieses Typs. Tabelle 3.3. Absolute und relative [%] erwartete Anzahl erkrankter Kinder in N =100

Familien des Typs Dd x Dd mit genau k Kindern (k=1, 2,. . . ,5) f¨ ur ps =1/4 ohne und mit Auswahlverfahren nach Familien mit mindestens einem erkrankten Kind sowie relativer Fehler, der durch die Auswahl entsteht.

Erwartete Anzahl erkrankter Kinder r in N Familien Anzahl Kinder pro Familie

Gesamtzahl Kinder

k

ohne Auswahl

mit Auswahl

N1 = N ps · k

%

N2 = N

ps ·k 1−(1−ps )k

Auswahlverzerrung

%

N2 −N1 N1

1

100

25

25

100

100

300

2

200

50

25

114

57

128

3

300

75

25

130

43

73

4

400

100

25

146

37

46

5

500

125

25

164

33

31

·100%

122

3. Famili¨are Aggregation

Nicht nur die erwartete Anzahl kranker Kinder Ek in den Familien h¨angt von der Gr¨ oße der Geschwisterschaften ab, sondern auch die dazugeh¨orige ogliches Testverfahren f¨ ur die Kompatibilit¨at der Daten Varianz Vk . Ein m¨ mit dem Segregationsanteil in einem autosomal rezessiven Erbgang basiert auf dem Chiquadrattest, den wir bereits beim autosomal dominanten Modell kennengelernt haben. Hierbei gilt f¨ ur die beobachtete Anzahl erkrankter Kinder O, deren Erwartungswert E und Varianz V:    Ok , E = Ek , V = Vk , O= k

k

k

da zwischen den Familien mit verschiedener Gr¨oße der Geschwisterschaften Unabh¨ angigkeit gilt. O wird direkt aus der Stichprobe abgelesen. Erwartungswert und Varianz werden f¨ ur jede feste Gr¨oße k der Geschwisterschaft getrennt berechnet. Anschließend werden sie zu einem Wert aufsummiert. Somit nimmt die Chiquadrat-Statistik mit obigen Gleichungen f¨ ur O, E und V folgende Form an: 2

χ21 =

(O − E) . V

Das Beispiel des autosomal rezessiven Modells gibt ein sinnvolles Auswahlverfahren f¨ ur Familien auf der Basis kranker Nachkommen, zeigt das Ausmaß der sich daraus ergebenden Auswahlverzerrung und erl¨autert, wie die Verzerrung unter Verwendung gestutzter Verteilungen und exakter Familiengr¨oßen korrigiert werden kann. 3.3.3 Auswahlverzerrung

In diesem Abschnitt wollen wir verschiedene Arten der Auswahlverfahren f¨ ur Familienstichproben ber¨ ucksichtigen. Dazu verwenden wir die allgemeinere Formulierung des sogenannten π-Modells (Weinberg 1928, Morton 1959), das auch in der komplexen Segregationsanalyse verwendet wird. Wir betrachten die Wahrscheinlichkeitsverteilung r erkrankter Kinder in Familien mit k Kindern in einer Stichprobe, die gem¨aß einem Auswahlverfahren rekrutiert wurde: P (r|k, ps , a) Dabei sei mit a eine Familie bzw. Geschwisterschaft bezeichnet, die ausgew¨ ahlt wurde. ps bezeichnet wie bisher den Segregationsanteil unter dem vorliegenden genetischen Modell in der Grundpopulation ohne spezifisches Auswahlverfahren. Auf der Basis dieser korrigierten Verteilung l¨asst sich dann der Segregationsanteil ps in der Stichprobe sch¨atzen, wie wir es beim autosomal rezessiven Modell im vorherigen Abschnitt gezeigt haben.

3.3

Segregationsanteil mit und ohne Auswahlverzerrung

123

Mit Hilfe der Bayesschen Formel (s. Abschnitt 1.2.4) l¨asst sich die obige Wahrscheinlichkeit wie folgt umformen: P (r|k, ps , a) =

P (a|r, k, ps )P (r|k, ps ) . P (a|k, ps )

Zur Vereinfachung lassen wir die festen Parameter k und ps weg. Nun ben¨otigen wir Definitionen zur Kennzeichnung des Auswahlverfahrens. Ein Proband (proband, in der Literatur h¨ aufig als Indexproband oder Indexpatient bezeichnet, mit IP abgek¨ urzt) ist eine Person, die unabh¨angig von weiteren Angeh¨ origen f¨ ur die Studie identifiziert wurde, und der Grund f¨ ur die Auswahl der Familie f¨ ur die Stichprobe ist. Die Auswahlwahrscheinlichkeit (ascertainment probability) π f¨ ur ein Individuum ist definiert als die Wahrscheinlichkeit, dass eine erkrankte Person ein Proband wird, d.h. unabh¨angig von anderen erkrankten Familienangeh¨ origen f¨ ur die Studie identifiziert wird π = P (P roband|erkrankt). Die Auswahlwahrscheinlichkeit f¨ ur eine Familie ergibt sich als Wahrscheinlichkeit, dass die Familie mindestens einen Probanden hat. F¨ ur eine Familie mit genau r erkrankten Kindern gilt P (a|r) = 1 − (1 − π)r . Die Verteilung der Anzahl erkrankter Kinder r in Familien mit Kinderzahl k ur Familien mit k Kindern k¨onnen die ist die Binomialverteilung B(k, ps ). F¨ Anteile f¨ ur verschiedene Anzahlen r erkrankter Kinder aufsummiert werden (Satz von der totalen Wahrscheinlichkeit, s. Abschnitt 1.2.4): P (a) =

k 

[1 − (1 − π)r ]

r=1


 k r p (1 − ps )k−r = 1 − (1 − ps π)k . r s

Entsprechend der Bayesschen Formel haben wir alle Komponenten f¨ ur die Wahrscheinlichkeitsverteilung r erkrankter Kinder in Familien mit k Kindern, die gem¨ aß Auswahlverfahren in einer Stichprobe rekrutiert wurden: P (r|k, ps , a) =

P (a|r, k, ps )P (r|k, ps ) P (a|k, ps )


 k r [1 − (1 − π) ] p (1 − ps )k−r r s = 1 − (1 − ps π)k r

(3.1)

124

3. Famili¨are Aggregation

Diese Gleichung stellt die Wahrscheinlichkeitsverteilung r erkrankter Kinder in Familien mit k Kindern als Funktion eines einzigen Parameters π dar, der das Auswahlverfahren beschreibt. F¨ ur den Parameter π betrachten wir nun einige Spezialf¨ alle, die im Zusammenhang mit praktischen Auswahlverfahren stehen. Hierbei f¨ uhren wir auch einige Fachbegriffe ein: Eine vollst¨andige Auswahl (complete ascertainment) liegt vor, wenn aus der Grundpopulation eine vollst¨ andige Zufallsstichprobe gezogen wird oder rein auf der Basis eines Paarungstyps der Eltern ausgew¨ahlt wird. Bei vollst¨ andiger Auswahl ist keine Auswahlverzerrung bei der Sch¨atzung der Verteilung erkrankter Kinder in den Familien vorhanden. Eine unvollst¨andige Auswahl (incomplete ascertainment) liegt vor, wenn die Stichprobe nicht vollst¨ andig, d.h. nicht entsprechend den H¨aufigkeiten in der Grundpopulation, die zu betrachtenden elterlichen Paarungstypen widerspiegelt. Bei unvollst¨ andiger Auswahl liegt eine Auswahlverzerrung bei der Sch¨ atzung der Verteilung erkrankter Kinder in den Familien vor, f¨ ur die korrigierte Verteilungen zu betrachten sind. Mit Hilfe des Parameters π werden folgende Spezialf¨alle der unvollst¨andigen Selektion unterschieden: Eine gek¨ urzte Selektion (truncate selection) liegt vor, wenn π=1, d.h. jedes erkrankte Kind ist auch Proband. In diesem Fall werden nur Familien ohne erkrankte Kinder nicht rekrutiert. Andererseits werden alle Familien mit mindestens einem erkrankten Kind rekrutiert. Manche Autoren bezeichnen diese Selektion als vollst¨ andige Selektion, was zu Verwechselungen mit der oben definierten vollst¨ andigen Auswahl f¨ uhren kann. Die Formel 3.1 reduziert sich zu (s. auch Abschnitt 3.3.2):
 k r p (1 − ps )k−r r s . P (r|k, ps , a = 1) = 1 − (1 − ps )k Jede Familie mit mindestens einem erkrankten Kind hat die gleiche Chance, in die Stichprobe aufgenommen zu werden. Es ist in der Praxis jedoch h¨ aufig so, dass eine Familie mit mehreren erkrankten Kindern eher auff¨ allig wird und auch eher dazu neigt, a ¨rztlichen Rat zu suchen bzw. an Studien teilzunehmen, als eine Familie mit nur einem erkrankten Kind.

3.3

Segregationsanteil mit und ohne Auswahlverzerrung

125

Eine einfache Selektion (single selection) liegt vor, wenn π →0, d.h. wenn die Wahrscheinlichkeit f¨ ur eine erkrankte Person auch tats¨achlich als Proband f¨ ur die Familienstichprobe ausgew¨ ahlt zu werden, sehr klein ist. Mathematisch stellt → den Grenzwert gegen Null dar. Die Vorstellung, dass π sehr klein ist, ist jedoch f¨ ur unsere Zwecke ausreichend. Die Formel reduziert sich in diesem Fall zu:
 k − 1 r−1 p (1 − ps )k−r . P (r|k, ps , a = 1) = r−1 s Die letzte Verteilung wird hier nicht hergeleitet (s. Hodge 2002, S. 23). Es ist eine Binomialverteilung von r − 1 erkrankten Kindern unter k − 1 Geschwistern mit dem Segregationsanteil ps . Damit entspricht die Korrektur f¨ ur einfache Selektion der Nichtbeachtung eines Probanden in jeder Kernfamilie. Dies gilt nur bei Kernfamilien. Bei gr¨oßeren Stammb¨aumen entspricht die korrigierte Verteilung einer Verteilung, die auf den Probanden bedingt ist. Bei einfacher Selektion haben fast alle rekrutierten Familien nur ein einziges erkranktes Kind, woher auch der Name f¨ ur diese Selektion stammt. In Formel 3.1 kann man dieses f¨ ur r=1 durch Grenzwertbildung π →0 erkennen. Familien mit r erkrankten Kindern werden mit einer Wahrscheinlichkeit von rπ selektiert. Es gilt: P (a = 1|r) = 1 − (1 − π)r ≈ 1 − (1 − rπ) = rπ. Damit hat eine Familie eine um so h¨ ohere Wahrscheinlichkeit, in die Stichprobe zu gelangen, je h¨ oher die Anzahl erkrankter Kinder ist. Eine multiple Selektion (multiple selection) liegt vor, wenn 0< π > µdd , rezessiv µDD >> µDd = µdd, >> bedeutet “sehr viel gr¨oßer“) oder auch in drei Normalverteilungen (kodominant µDD >> µDd >> µdd ) trennen lassen. Abbildung 3.1 zeigt ein Hauptgen2 Modell mit unterschiedlichen Varianzen σE , (A) f¨ ur ein kodominates Modell, (B) f¨ ur ein dominantes oder rezessives Modell, je nachdem welches Allel als das disponierende betrachtet wird, und (C) f¨ ur eine Situation, in der sich die Verteilungen nicht klar trennen lassen. Je nachdem, ob kleinere oder gr¨oßere Werte des quantitativen Ph¨ anotyps als sch¨adlich gelten, ergibt sich die Definition des Allels, das als disponierend bezeichnet wird. A

B

C

f(y) 1

f(y) 1

f(y) 1

0,8

0,8

0,8

0,6

0,6

0,6

0,4

0,4

0,4

0,2

0,2

0,2

0

0

2

4

6

8

0

0

2

4

6

y

8

0

0

2

4

6

y

8

y

Abbildung 3.1. Verteilung f(Y) eines quantitativen Ph¨ anotyps Y bei einem

Ein-Locus-Modell mit pD =0,3, Erwartungswerten µDD =5, µDd =4 und µdd =2 und 2 =0,01, B: σ 2 =0,3025, C: σ 2 =9. Varianz A: σE E E

Abbildung 3.2 zeigt den gleichen Effekt, wenn zwei Hauptgene vorliegen mit guter Auftrennung (A), u ¨ber mittlere Auftrennung (B), zu schlechter Auftrennung (C) der zugrunde liegenden Normalverteilungen. Dies entspricht einem ANOVA Modell mit zwei Faktoren y = gi1 + gi2 + ε

i = 1, 2. . ., 3

2 ε ∼ N (0, σE )

3.4

Komplexe Segregationsanalyse

131

wobei gi1 bzw. gi2 die Erwartungswerte des Ph¨anotyps f¨ ur die drei Genotypen ¨ des Locus 1 bzw. 2 bezeichnen. Damit ergibt sich der Ph¨anotyp als Uberlagerung von maximal neun Normalverteilungen. Ohne Interaktionsterm setzt dieses Modell voraus, dass die beiden Loci jeweils unabh¨angig voneinander additiv zum Ph¨ anotyp Y beitragen. A

B

C

f(y) 1

f(y) 1

f(y) 1

0,8

0,8

0,8

0,6

0,6

0,6

0,4

0,4

0,4

0,2

0,2

0,2

0

0

2

4

6

8

0

0

2

4

y

6

8

0

0

2

y

4

6

8 y

Abbildung 3.2. Verteilung f(Y) eines quantitativen Ph¨ anotyps Y bei einem

Zwei-Locus-Modell (ohne Interaktion) mit Parametern: Locus 1: pD =0,8, Erwartungswert ur Locus µDD =5, µDd =4, µdd =2, Locus 2: pD =0,3, µDD =2, µDd =1, µdd =0 und Varianz f¨ 2 =0,0225, B: σ 2 =0,09, C: σ 2 =0,64. 1 und 2, A: σE E E

Verfahren zur Untersuchung einer trimodalen Normalverteilung f¨ ur einen einzelnen biallelischen Locus in einer Zufallsstichprobe unabh¨angiger Personen aus der Bev¨ olkerung (d.h. unverwandte Personen ohne Familienangeh¨orige in der Stichprobe) wurden unter dem englischen Namen commingling analysis entwickelt. Die Analyse des Hauptgen-Modells in Familien k¨onnen wir erst sp¨ ater behandeln, da die Parameter zur Mendelschen Vererbung von Eltern auf Kinder noch in das Modell eingef¨ uhrt werden m¨ ussen. Das HauptgenModell setzt Normalverteilung f¨ ur die residuale Komponente voraus. Liegt in Wahrheit keine Normalverteilung vor, so kann dies zu ernsthaften Fehlern in der Analyse f¨ uhren. Man sagt in diesem Zusammenhang, dass das Modell nicht robust gegen¨ uber Abweichungen von der Normalverteilung ist. Zahlreiche Ph¨ anotypen k¨ onnen sinnvoll durch ein Hauptgen-Modell modelliert werden. Ein Beispiel aus der Pharmakogenetik ist das Gen TPMT, das die Thiopurin S-Methyl-Transferase- (TPMT-)Aktivit¨at in roten Blutk¨orperchen steuert. Homozygote Personen ohne ein disponierendes Allel zeigen “normale“ Aktivit¨ at, heterozygote Personen mit einem disponierenden Allel zeigen verminderte Aktivit¨ at und homozygote Personen mit zwei disponierenden Allelen entwickeln durch eine stark verminderte Aktivit¨at eine schwere To-

132

3. Famili¨are Aggregation

xizit¨ at gegen¨ uber bestimmten Medikamenten, die zur Leuk¨amie-Behandlung von Kindern verwendet werden. Das Hauptgen-Modell liefert hier eine gute Ann¨ aherung an die tats¨ achlich beobachtete Verteilung der TPMT-Aktivit¨at (Marshall 2003). 3.4.2 Polygenes Modell

Im polygenen Modell wird der Ph¨ anotyp bestimmt durch den Einfluss zahlreicher Loci mit kleinen Effekten (Polygene). Der genotypische Anteil des Ph¨ anotyps ist die Summe der kleinen Effekte.

B Zwei Loci

A Ein Locus

aa

C Vier Loci

Aa

AA

aabb

Aabb aaBb

AAbb AaBb aaBB

AABb AaBB

AABB

D Acht Loci

Abbildung 3.3. Binomialverteilungen und Ann¨ aherung an die Normalverteilung im

polygenen Modell f¨ ur A: m=1, B: m=2, C: m=4 und D: m=8 Loci. Die X-Achse zeigt den Ph¨ anotyp Y “Anzahl disponierender Allele“ und die Y-Achse die Wahrscheinlichkeit f¨ ur einen bestimmten Wert von Y. Auf die Beschriftung der Achsen wurde verzichtet.

Nehmen wir zun¨achst an, dass sich der Ph¨ anotyp direkt aus den additiven Effekten eines Locus mit jeweils zwei Allelen ergibt, und vernachl¨ assigen eine residuale Komponente (s. Strachan und Read 1999, S.448). F¨ ur die Genotypen AA, Aa und aa tr¨ agt jedes disponierende Allele A den Wert 1 und das normale Allel a den Wert 0 additiv zum Ph¨ anotyp bei. Damit ist der Ph¨ anotyp Y identisch zur Anzahl disponierender Allele. Beide Allele seien gleichh¨ aufig. Die Verteilung des Ph¨ anotyps Y ist (s. Abb. 3.3.A) P(Y=2) =

3.4

Komplexe Segregationsanalyse

133

1/4, P(Y=1) = 1/2 und P(Y=0) = 1/4. Dies entspricht einer Binomialverteilung B(2; 0,5) f¨ ur die zwei gleichverteilten Allele des einen Locus. Im zweiten Schritt nehmen wir an, dass sich der Ph¨anotyp direkt aus den additiven Effekten zweier Loci zusammensetzt, von denen jeweils das disponierende Allel (A bzw. B) den Wert 1 und das normale Allel (a bzw. b) den Wert 0 zum Ph¨ anotyp Y “Anzahl disponierender Allele“ beitr¨agt. An beiden Loci seien die Allele gleichh¨ aufig. Die Verteilung von Y setzt sich aus 5 Werten zusammen, die sich aus den neun Genotypkombinationen ergeben. Es ist eine Binomialverteilung B(4; 0,5), d.h. P(Y=0) = P(Y=4) = 1/16, P(Y=1) = P(Y=3) = 1/4 und P(Y=2) = 3/8 (s. Abb. 3.3.B). Setzt man dieses Modell f¨ ur m Loci fort, so gibt es 3m Genotypen mit 2m+1 sogenannten polygenetischen Werten (Anzahl der disponierenden Allele insgesamt). Die Verteilung der polygenetischen Werte ist eine Binomialverteilung B(2m ; 0,5). Mit steigender Anzahl m der Allele n¨ahert sie sich einer Normalverteilung an (s. Abb. 3.3 f¨ ur m = 1, 2, 4 und 8 Loci). 3.4.3 Gemischtes Modell

Bei einem quantitativen Ph¨ anotyp ist es von fundamentalem Interesse, ob die vorliegenden Daten eher f¨ ur ein Hauptgen-Modell oder ein polygenes Modell sprechen. Oft erkl¨ art auch ein Modell die Daten am besten, bei dem ein Hauptgen und eine polygene Komponente einbezogen sind. Das gemischte Modell ist die Zusammenf¨ uhrung beider Komponenten in einem Modell y = gi + p + ε

i = 1, . . ., n

2 p ∼ N (0, σP2 ), ε ∼ N (0, σE ),

wobei p die polygene Komponente mit Erwartungswert 0 und Varianz σP2 ist. Die Annahme, dass p den Erwartungswert 0 hat, stellt keine Einschr¨ankung der Allgemeinheit dar. Dieses Modell setzt voraus, dass die polygene und die Umweltkomponente unabh¨ angig voneinander sind, und beide Komponenten 2 nicht mit dem Hauptgen korreliert sind. Die beiden Varianzen σP2 und σE erlauben die Trennung der Varianz in eine “transmittierbare“ Komponente P und eine nicht-transmittierbare Komponente E. Das Wort transmittierbar wird bewusst eingef¨ uhrt, da nicht nur Gene von Eltern auf Kinder transmittiert werden k¨ onnen, sondern beispielsweise auch soziales Verhalten. Nicht-transmittierbar sind nichtgenetische Variablen, die im Allgemeinen keine Weitergabe von Eltern auf Kinder verursachen. Mit Hilfe der Abbildung 3.4 f¨ uhren wir eine Parametrisierung des gemischten Modells ein. Auf andere Parametrisierungen wird nicht weiter eingegangen. Parameter f¨ ur das Hauptgen sind z, t, d und pA , wobei pA die Allelh¨aufigkeit des disponierenden Allels A bezeichnet und z = µaa . Um Verwechselung mit dem neuen Parameter d zu vermeiden, werden die Allele des Hauptgens mit

134

3. Famili¨are Aggregation

A und a bezeichnet. Der Parameter t gilt als Maß f¨ ur die Penetranz, definiert als Abstand zwischen den Erwartungswerten der Homozygoten. t = µAA − µaa Der Parameter d ist ein Maß f¨ ur die Dominanz, definiert als Abstand zwischen dem Erwartungswert der Heterozygoten relativ zum Abstand der Erwartungswerte der Homozygoten (Wildtyp). d=

f(y)

µAa − µaa t

0,08 0,06 0,04 Aa 0,02 aa

AA

0 0

5

10

15

PAa PAA Paa |-------dt-------| |----------------t----------------|

20

25

T

y

Abbildung 3.4. Gemischtes Modell mit Schwellenwert. Der quantitative Ph¨ anotyp Y wird

als Liabilit¨ at mit Schwellenwert T bezeichnet. Erkrankt sind Personen mit Ph¨ anotypwerten im schraffierten Bereich. Bei einem Hauptgen mit disponierendem Allel A und normalem ¨ Allel a ergibt sich die Liabilit¨ at als Uberlagerung dreier Normalverteilungen. Sie ist gestrichelt gezeichnet. Die Erwartungswerte der einzelnen Verteilungen des Ph¨ anotyps bedingt auf einen Genotyp (durchgezogene Verteilungen) sind durch die Parameter ur die z = µaa , t als Penetranzmaß und d als Dominanzmaß beschrieben. Die Verteilungen f¨ einzelnen Genotypen sind bereits mit dem entsprechenden Gewicht in der Mischverteilung gem¨ aß Hardy-Weinberg-Gleichgewicht aufgetragen, wobei p(A)=0.3 gew¨ ahlt wurde.

3.4

Komplexe Segregationsanalyse

135

d · t beschreibt, wo sich der Heterozygoten-Erwartungswert im Verh¨altnis zu den Mittelwerten der Homozygoten befindet. F¨ ur ein dominantes Modell ur ein rezessives Modell (µAa = µaa ) d = 0. Der (µAA = µAa ) gilt d=1, f¨ Fall d = 1/2 wird bei quantitativen Ph¨ anotypen auch als additives Modell bezeichnet. Damit gilt µaa = z

µAa = z + d · t µAA = z + t.

Weitere Parameter des gemischten Modells sind die gesamte (totat) ph¨ano2 ) und die Heritabilit¨at H = σP2 /σT2 . Dabei typische Varianz σT2 = (σP2 + σE bezeichnet die Heritabilit¨ at in diesem Modell den Anteil polygener und gemeinsamer kultureller Effekte an der Gesamtvarianz. Zusammengefasst werden diese Effekte auch als multifaktorielle Komponente bezeichnet. Damit wird das Modell f¨ ur den quantitativen Ph¨ anotyp Y durch die Parameter z, t, 2 ur das Hauptgen und durch H und σT2 = (σP2 + σE ) zur Beschreibung d, pA f¨ der Varianzen bzw. Varianzanteile gekennzeichnet. Betrachten wir nun einen bin¨ aren Ph¨ anotyp erkrankt/nicht erkrankt, so kann dieser durch die Einf¨ uhrung einer Liabilit¨at, d.h. eines nicht beobachteten quantitativen Ph¨ anotyps, mittels des gemischten Modells untersucht werden. Die Liabilit¨ at stellt eine nicht beobachtete oder nicht beobachtbare biologische Gr¨ oße dar, die das Auftreten der Erkrankung definiert. Individuen, bei denen die Liabilit¨ at einen Schwellenwert T u ¨ berschreitet, erkranken, d.h. P(erkrankt |Y ≥ T ) = 1. Individuen mit einem kleineren Wert als T erkranken nicht, d.h. P(erkrankt | Y < T ) = 0. Wie bisher setzt sich die Verteilung ¨ des quantitativen Ph¨ anotyps aus der Uberlagerung dreier Normalverteilungen f¨ ur die drei Genotypen zusammen. Damit haben Individuen mit einer oder zwei Kopien des disponierenden Allels einen h¨oheren Erwartungswert des Ph¨ anotyps bei gleichbleibender Varianz und haben durch die Verschiebung der Y Verteilung zu h¨ oheren Werten eine gr¨oßere Wahrscheinlichkeit zu erkranken. Die Penetranz f¨ ur einen Genotyp ergibt sich als Integral u ¨ber die Normalverteilung f¨ ur diesen Genotyp ab dem Wert Y=T. Bin¨are Ph¨anotypen, die sich direkt aus quantitativen Ph¨ anotypen durch Setzen eines Schwellenwertes ergeben, sind Bluthochdruck als Dichotomisierung des Blutdrucks und ¨ Ubergewicht als Dichotomisierung des Body Mass Indexes (BMI, kg/m2 ). Bei Diabetes kann Glukose-Toleranz mit Schwellenwert modelliert werden. Auch bei Krebs passt ein Schwellenwertmodell, da sich hier zahlreiche Sch¨aden bis hin zu einem Schwellenwert h¨ aufen. Mathematisch kann eine Liabilit¨at auch dann n¨ utzlich sein, wenn zun¨ achst keine biologisch sinnvolle Erkl¨arung gefunden werden kann. Die Segregationsanalyse bin¨ arer Ph¨anotypen auf der Basis eines Schwellenwertmodells mit zugrunde liegender Liabilit¨at hat in der Genetischen Epidemiologie eine breite Anwendung gefunden. Auch werden h¨aufig

136

3. Famili¨are Aggregation

Liabilit¨ atsklassen f¨ ur mehr als zwei unterschiedliche Gruppen verwendet, wie z.B. getrennte Liabilit¨ atsklassen f¨ ur verschiedene Altersgruppen, jeweils getrennt f¨ ur M¨ anner und Frauen. Quantitative Ph¨anotypen, Liabilit¨ aten und Penetranzen eines bin¨aren Ph¨anotyps k¨ onnen von Kovariablen abh¨ angen. In der in Abschnitt 3.4.5 beschriebenen Segregationsanalyse f¨ ur Brustkrebs werden die Penetranzen in Abh¨angigkeit von Alter und Geschlecht ber¨ ucksichtigt. Gerade bei großen Stammb¨ aumen kann es auch wichtig sein, sogenannte Kohorteneffekte zu ber¨ ucksichtigen, die unterschiedliche Charakteristiken der Geburtskohorten (z.B. verbesserte Diagnoseverfahren) auffangen k¨onnen. Ein Kohorteneffekt ist dann gegeben, wenn die Penetranzen in einer Generation verschieden von den Penetranzen in einer anderen Generation sind. Dies kann beispielsweise durch tats¨ achliche Effekte entstehen (z.B. Abnahme des Lungenkrebses in den USA durch weniger Raucher) oder durch medizinische Untersuchungen (z.B. verbesserte Diagnose des Brustkrebs). Kohorteneffekte lassen sich in der komplexen Segregationsanalyse dadurch ber¨ ucksichtigen, dass unterschiedliche Varianzkomponenten f¨ ur die Generationen zugelassen werden. Hierbei kann der Unterschied in den Varianzen durch einen Faktor Z modelliert werden. Anschließend l¨ asst sich der Kohorteneffekt durch einen Test auf Z=1 testen. 3.4.4 Vereinigtes Modell

Alle bisherigen Modellierungen haben die Vererbung des Faktors G von Eltern auf Kinder noch nicht mitber¨ ucksichtigt. Bei einem Hauptgen mit disponierendem Allel A und normalem Allel a, das der Mendelschen Segregation folgt, sind die sogenannten Transmissionsparameter (s. Kapitel 1 und 2, Elston und Stuart 1971) wie folgt definiert: ¨bertragen | Elter hat Genotyp AA) = 1 τ1 = P (A an Kind u 1 τ2 = P (A|Aa) = 2 τ3 = P (A|aa) = 0 Wir gehen davon aus, dass der Faktor G drei Faktorniveaus annehmen kann. Daher ist die Beschreibung mit drei Transmissionsparametern ausreichend. Definiert der Faktor ein Hauptgen, so nehmen die Transmissionsparameter die Werte 1, 0,5 und 0 an. Werden die Transmissionsparameter stark abweichend von diesen Werten gesch¨ atzt, passen die Daten nicht mehr zu einem Modell mit einem Mendelschen Hauptgen. Wir haben die Transmissionsparameter implizit bereits in den Tabellen 3.1 und 3.2 bei der Berechnung des

3.4

Komplexe Segregationsanalyse

137

Genotyps eines Kindes bei gegebenen elterlichen Genotypen verwendet. Ab¨ bildung 3.5 gibt einen Uberblick u ¨ ber die verschiedenen Modelle. Vereinigtes Modell 3.4.4 Hauptgen-Modell + polygenes Modell + Transmission nach Mendel W1 W2 W3

Gemischtes Modell 3.4.3

Transmissionsparameter

Hauptgen-Modell + polygenes Modell

für Hauptgen

Hauptgen-Modell

Polygenes Modell

3.4.1

3.4.2

Abbildung 3.5. Schema der genetischen Modelle.

3.4.5 Beispiel: Komplexe Segregationsanalyse zum Brustkrebs

In diesem und dem folgenden Abschnitt demonstrieren wir das Prinzip der Segregationsanalyse an zwei Beispielen. Hier behandeln wir zun¨achst die Segregationsanalyse von Newman et al. (1988) in Brustkrebsfamilien. 1988 untersuchten Beth Newman, Melissa Austin, Ming Lee und Mary-Claire King 1579 Frauen mit Brustkrebs und ihre Familien mit Hilfe einer Segregationsanalyse. Das Ergebnis war bahnbrechend: Es gibt in einigen Familien einen einflussreichen genetischen Risikofaktor, der entsprechend den Mendelschen Gesetzen segregiert. Das Vererbungsmodell, das die vorliegenden Daten am besten erkl¨ aren konnte, war ein autosomomal dominanter Vererbungsmodus. Auf welchem Wege wurde dieses aufregende Ergebnis gefunden? Was machte den Erfolg dieser Segregationsanalyse aus? Nachdem einige Studien nachgewiesen hatten, dass es ein famili¨ares Risiko f¨ ur Brustkrebs gibt, f¨ uhrten Mary-Claire King und ihre Kollegen eine Studie mit Frauen aus der San Franzisko Bay Region und im Großraum Detroit durch. Die genauen Einschlusskriterien wurden bereits in Abschnitt 3.3.3 beschrieben; es waren kaukasische Frauen mit Diagnose vor dem 55sten Lebensjahr ohne Ber¨ ucksichtigung der Familiengeschichte. Innerhalb von 6 Monaten nach Diagnose wurde mit den Indexprobandinnen ein pers¨ onliches Interview gef¨ uhrt, um die Familiengeschichte von Brustkrebs

138

3. Famili¨are Aggregation

und anderen Krebsarten in der Familie der Probandin zu erfragen. Bei nachfolgenden Recherchen ergab sich f¨ ur die Validit¨at der Daten: Die Probandinnen konnten i.d.R. zur Krebsvorgeschichte f¨ ur Verwandte ersten Grades (M¨ utter, Schwestern, gegebenenfalls V¨ater, Br¨ uder) zuverl¨ assige und vollst¨ andige Angaben machen. Die Probandinnen konnten h¨ aufig keine zuverl¨assigen Angaben zur Krebsvorgeschichte f¨ ur Verwandte zweiten Grades (Großm¨ utter, Tanten, gege¨ benenfalls Großv¨ ater, Onkel) machen. Eine Uberpr¨ ufung dieser Angaben in einer Unterstichprobe der gesamten Stichprobe ergab, dass diese Angaben h¨ aufig inkonsistent waren und Fehler aufwiesen. Inkonsistente Angaben k¨ onnen zu Fehlklassifikationen bzgl. des Krankheitsstatus f¨ uhren und gravierende Fehler in der Segregationsanalyse erzeugen. Daher wurden zun¨ achst nur Kernfamilien, n¨ amlich die Probandinnen und Geschwister und Eltern in die Stichprobe aufgenommen. Die Stichprobe bestand aus 1579 Kernfamilien. F¨ ur Probandinnen und Angeh¨ orige wurden das Alter, das Geschlecht und die Krebsvorgeschichte erhoben. Bei der Krebsvorgeschichte in Familien wird erfasst, welche Person in welchem Alter mit welchem Krebs diagnostiziert wurde; falls kein Krebs vorliegt, ob die Person noch lebt, wie alt sie ist oder in welchem Alter sie verstorben ist. Bei einer Segregationsanalyse f¨ ur den Ph¨anotyp erkrankt/nicht erkrankt ist f¨ ur erkrankte Personen das Alter bei Diagnose f¨ ur eine Segregationsanalyse entscheidend, nicht das Alter der Probandinnen bei der Untersuchung. Letzteres kann evtl. bei der Identifizierung solcher Gene wichtig sein, die sich eher auf den Krankheitsverlauf als auf die Krankheitsentstehung auswirken. Da hier eine Segregationsanalyse zu Brustkrebs durchgef¨ uhrt werden sollte, haben sich Newman et al. dazu entschieden, Personen mit Brustkrebs als “Krankheitsstatus = erkrankt“ und Personen ohne Brustkrebs selbst bei Vorliegen anderer Krebsarten als “Krankheitsstatus = gesund“ (gesund in Hinblick auf nicht bereits diagnostizierten Brustkrebs) zu betrachten. Bei den Indexprobandinnen lag das Diagnosealter aufgrund des Einschlusskriteriums unter 55 Jahren. Ein junges Diagnosealter wurde aber bei anderen erkrankten Personen (außer Probanden) nicht vorausgesetzt. Viele genetisch bedingte Unterformen einer komplexen Erkrankung f¨ uhren zu einem besonders fr¨ uhen Krankheitsbeginn. Daher ist aus genetischer Sicht vor allem das Alter bei Erkrankungsbeginn (age of onset) interessant. Da sich das Alter bei Erkrankungsbeginn bei Krebs nicht so genau definieren l¨asst, wird bei Brustkrebs – wie bei vielen anderen Erkrankungen auch – stattdessen das Alter bei Diagnose (age at diagnosis) f¨ ur alle Erkrankten verwendet.

3.4

Komplexe Segregationsanalyse

139

F¨ ur gesunde Frauen weiß man nur, wie lange sie mindestens ohne diagnostizierten Tumor leben. Man hat also nur die Information, dass sie bisher noch nicht erkrankt sind. Es w¨ are durchaus m¨oglich, dass jemand mit einem hochpenetranten disponierenden Genotyp zum Zeitpunkt Alter bei Untersuchung (age at exam) noch gesund war, jedoch zu einem sp¨ateren Zeitpunkt erkrankt w¨ are. Bei verstorbenen Gesunden wird das Todesalter verwendet. Man spricht in der Statistik von zensierten Beobachtungen. Die Stichprobe der 1579 Kernfamilien wird nun als Stichprobe I bezeichnet. Aus Stichprobe I wurden weitere Stichproben gebildet. Aus ihr wurden als Stichprobe II die 326 Kernfamilien ausgew¨ ahlt, bei denen die j¨ ungste Brustkrebspatientin ein Diagnosealter unter 40 Jahren hatte. Stichprobe III ist eine einzige gr¨ oßere Familie, die bereits in Abschnitt 3.3.3 beschrieben wurde. Diese drei Stichproben wurden erhoben, um unterschiedliche Rekrutierungsformen zu ber¨ ucksichtigen. Stichprobe I entspricht Brustkrebsfamilien mit jungem Diagnosealter aus der Allgemeinbev¨ olkerung. Stichprobe II betrachtet Familien mit deutlich j¨ ungerem Diagnosealter, falls ein Gen f¨ ur Brustkrebs nur bei sehr jungen Patientinnen verantwortlich w¨are. Die Wahl einer großen Mehrgenerationenfamilie ¨ ahnelt der Vorgehensweise bei monogenen Erkrankungen. Diese hoch-selektierte Familie mit klarer famili¨arer Anh¨aufung von Brustkrebs ist nicht bev¨ olkerungsrepr¨ asentativ. Der hohe Informationsgehalt vieler Meiosen mit postuliertem Suszeptibilit¨ atsallel soll genutzt werden. Bisher haben wir die epidemiologischen Gesichtspunkte der StichprobenRekrutierung und der Variablendefinitionen besprochen. F¨ ur die komplexe Segregationsanalyse verwendeten Newman et al. (1988) das Programm POINTER (Lalouel und Morton 1981) und das dort implementierte vereinigte Modell. Sie mussten einige Parameter vor der Analyse festlegen, die f¨ ur die Modellierung als Eingabeparameter verwendet und nicht w¨ahrend der Analyse gesch¨ atzt werden. Die richtige Spezifizierung dieser Eingabeparameter ist ¨ außerst wichtig f¨ ur eine erfolgreiche und gute Modellierung. F¨ ur die Auswahlverzerrung wurde f¨ ur den Parameter π der Bereich 0-0,27 als sinnvoll angenommen (zur Begr¨ undung s. Abschnitt 3.3.3). Die Analysen ergaben f¨ ur diesen Parameterbereich qualitativ gleiche Ergebnisse. Newman et al. berichteten die Ergebnisse f¨ ur π=0,01. Wenn sinnvolle Ver¨anderungen von π keine starken Schwankungen bei der Modellanpassung erzeugen, st¨arkt dies das Vertrauen in die Validit¨ at der Ergebnisse. F¨ ur die Penetranzen konnten insgesamt vier Liabilit¨atsklassen bzgl. Alter und Geschlecht gebildet werden. Die unten angegebenen Penetranzen entsprechen den kumulativen Inzidenzen der Allgemeinbev¨olkerung in den Rekrutierungsregionen San Franzisko Bay Region und Großraum Detroit. Sie wurden in einer fr¨ uheren epidemiologischen Studie gesch¨atzt und konnten als gute Eingabeparameter angesehen werden. Danach betr¨agt die Wahrscheinlichkeit an

140

3. Famili¨are Aggregation

Brustkrebs zu erkranken 0,10% f¨ ur Frauen bis zum Alter von 15 Jahren und f¨ ur M¨ anner jeden Alters, 0,45% f¨ ur Frauen zwischen 16 und 40 Jahren, 2,83% f¨ ur Frauen zwischen 41 und 55 Jahren und 8,19% f¨ ur Frauen u ¨ber 55 Jahre. Mit diesen Eingabeparametern wurden nun in den drei Stichproben mittels des Maximum-Likelihood-Verfahrens (s. Abschnitt 1.4.1) die Parameter t, d, pA , H, τ2 und Z (Kohorteneffekt) des vereinigten Modells gesch¨atzt, wobei nur in der Mehrgenerationenfamilie modelliert wurde. Bei einer komplexen Segregationsanalyse sind i.d.R. mehrere Likelihood-Ratio-Vergleiche (s. Exkurs 3, Tabelle 3.4) durchzuf¨ uhren. Die Serien der Tests erfordern je nach den Ergebnissen verschiedene Schlussfolgerungen, von denen einige beispielhaft aufgef¨ uhrt sind, die zu dem Ergebnis der Existenz eines Hauptgens f¨ uhren. Zun¨ achst wird ein vereinigtes Modell (Modell 1) mit einem Hauptgen und einer multifaktoriellen Komponente P (Polygene und gemeinsame kulturelle Komponente) angenommen. Die Likelihood-Ratio-(LR-)Tests verwenden in der ersten Gruppe der Vergleiche Modell 1 als generelles Modell. Ein ZweiLocus-Modell als wahres Vererbungsmodell kann durch LR-Tests mit Modell 1 nicht ad¨ aquat getestet werden. Likelihood-Ratio-Vergleiche sind nur so gut wie das angesetzte generelle Modell. Im vereinigten Modell werden die Parameter t, d, pA , H und τ2 im Maximum-Likelihood-Verfahren gesch¨atzt. Im Modell 2 ohne vererbbare Komponente gilt H = 0 und pA =0. Modell 3 betrachtet das polygene Modell mit pA =0. Die Heritabilit¨at H wird gesch¨atzt. Die Hauptgenparameter t, d und τ2 tauchen in den Modellen 2 und 3 nicht auf. K¨ onnen beide Modelle zugunsten des Modells 1 verworfen werden, so werden das nichtgenetische und das rein polygene Modell abgelehnt. Modell 4 ist das generelle Ein-Locus-Modell ohne multifaktorielle Komponente. Hier gilt H=0 und f¨ ur den Transmissionsparameter f¨ ur ein Mendelsches Hauptgen τ2 =0,5. Die Parameter zur Beschreibung des Hauptgens t, d und pA werden gesch¨ atzt. Wird dieses Modell gegen¨ uber Modell 1 nicht abgelehnt, so passen die Daten ebenso gut zu dem Ein-Locus-Modell ohne multifaktorielle Komponente wie zu dem generellen Modell. Entsprechend dem allgemeinen Parsimony-Prinzip (s. Exkurs 3) schließt man nun, dass das generelle EinLocus-Modell zu den Daten passt.

3.4

Komplexe Segregationsanalyse

141

Tabelle 3.4. Komplexe Segregationsanalyse, Modelle und verschiedene

Likelihood-Ratio-Vergleiche mit m¨ oglichen Schlussfolgerungen. (S = signifikant, NS = nicht signifikant).

#

Modell

Test

Schlussfolgerung

1

Generelles Modell

-

Referenz: Vereinigtes Modell mit einem Hauptgen und einer multifaktoriellen Komponente

2

Modell ohne Vererbung

2 zu 1

S: Modell ohne Vererbung wird gegen¨ uber generellem Modell abgelehnt.

3

Multifaktorielles Modell ohne Hauptgen

3 zu 1

S: Modell ohne Hauptgen wird gegen¨ uber generellem Modell abgelehnt.

4

Hauptgen-Modell ohne multifaktorielle Komponente

4 zu 1

NS: Hauptgen-Modell kann Daten ebenso gut wie generelles Modell erkl¨ aren. Hauptgen-Modell wird als Modell mit weniger Parametern angenommen.

5

Dominantes Hauptgen-Modell (ohne multifaktorielle Komponente)

5 zu 4

S: Dominantes Modell wird gegen¨ uber generellem Hauptgen-Modell abgelehnt. NS: Dominantes Modell kann Daten ebenso gut wie generelles Hauptgen-Modell erkl¨ aren. Dominantes Modell wird als Modell mit weniger Parametern angenommen.

6

Rezessives Hauptgen-Modell (ohne multifakt. Komp.)

6 zu 4

S, NS: s. analog zum dominanten Modell.

7

Kodominantes Hauptgen-Modell (ohne multifakt.K.)

7 zu 4

S, NS: s. analog zum dominanten Modell. Es k¨ onnen auch spezifische kodominante Modelle getestet werden, wie z.B. ein additives Modell.

8

Vertikale Transmission V1

(8a) τ2 frei gesch¨ atzt, (8b) τ2 =0,5. Ziel: Test 8b vs. 8a, 8b nicht ablehnen.

9

Vertikale Transmission V2

(9a) τ1 , τ2 , τ3 frei gesch¨ atzt, (9b) τ1 =1, τ2 =0,5, τ3 =0. Ziel: Test 9b vs. 9a nicht ablehnen.

142

3. Famili¨are Aggregation

Exkurs 3: Likelihood-Ratio-Tests Likelihood-Ratio-Teststatistiken vergleichen die Maxima der Likelihoodfunkur ein eingeschr¨ anktes Modell 0 (Nullhypothese) und ein tionen L0 und L1 f¨ generelles Modell 1. Die Maximum-Likelihood-(ML-)Sch¨atzer der Modelle sind die Modellparameter, die zum Maximum f¨ uhren. Das Verh¨altnis der Likelihoods (Likelihood-Ratio) kann als Verh¨ altnis interpretiert werden, mit dem die beobachteten Daten das generelle Modell mehr unterst¨ utzen als das eingeschr¨ ankte Modell. Das generelle Modell umfasst alle Parameter des eingeschr¨ ankten Modells und weitere Parameter. Daher ist L1 immer mindestens so groß wie L0 . Die Likelihood-Ratio-Teststatistik (LR Test) ergibt sich zu −2 ln

L0 L(eingeschr¨ anktes Modell) = −2 ln = −2 ln L0 + 2 ln L1 L(generelles Modell) L1

Sie nimmt nur positive Werte an. Unter der Nullhypothese, das heißt das eingeschr¨ ankte Modell hat G¨ ultigkeit, folgt die Likelihood-Ratio-Teststatistik h¨aufig asymptotisch einer Chiquadratverteilung, d.h. bei großer Stichprobenzahl. Die Zahl der Freiheitsgrade (FG) ist die Zahl der im eingeschr¨ankten Modell zus¨ atzlich festgesetzten Bedingungen, d.h. die Differenz der Zahl der freien Modellparameter. Besonderheiten sind zu ber¨ ucksichtigen, wenn Parameter extern gesch¨ atzt werden oder ganz wegfallen. Zwei Voraussetzungen f¨ ur die G¨ ultigkeit der Chiquadratverteilung mit der angegebenen Zahl der Freiheitsgrade unter dem eingeschr¨ankten Modell sind: i) Das generelle Modell umfasst das eingeschr¨ankte Modell als Spezialfall. Ist diese Voraussetzung nicht erf¨ ullt, k¨ onnen keine direkten Signifikanztests durchgef¨ uhrt werden. Hierf¨ ur wurden alternative Verfahren mit dem AIC (Akaikes Information Criterium) Kriterium entwickelt. ii) Die Parameter bzw. ihre ML-Sch¨ atzer liegen nicht am Rand des Parameterraums. Ist diese Voraussetzung nicht erf¨ ullt, ergibt sich keine einfache sondern eine gemischte Chiquadratverteilung. Die gemischte Chiquadratverteilung ergibt sich durch ¨ eine Uberlagerung einzelner Chiquadratverteilungen, ebenso wie wir dies ¨ beim Hauptgenmodell als gemischte Normalverteilung durch die Uberlagerung einzelner Normalverteilungen gesehen haben. Auf Besonderheiten bzgl. Freiheitsgrade (s. z.B. Paul et al. 1989) wird hier nicht eingegangen. Die Likelihood-Ratio-Teststatistik kann einerseits zum statistischen Testen (s. Kapitel 4) als auch zur Modellierung (s. Kapitel 3) verwendet werden. Das Modellierungsverfahren untersucht die G¨ ute der Modellanpassung (goodnessof-fit), d.h. die Frage, ob das eingeschr¨ ankte Modell mit weniger Parametern die Daten ebenso gut erkl¨ aren kann, wie das generelle Modell (d.h. ob die Likelihood nicht signifikant kleiner ist). Dann w¨are dieses Modell zu bevorzugen. Dies nennt man das Parsimony-Prinzip in der Statistik.

3.4

Komplexe Segregationsanalyse

143

Speziellere Ein-Locus-Modelle werden mit Modell 4 als generellem Modell verglichen. So kann man entscheiden, ob eher ein dominantes (d=1, Modell 5), rezessives (d=0, Modell 6) oder kodominantes (d=0,5, Modell 7) Modell vorliegt. Auf Tests, die im Zusammenhang mit den Transmissionsparametern duchgef¨ uhrt werden sollten, wird in Abschnitt 3.4.6 eingegangen. Hierbei muss nachgewiesen werden, dass die Transmissionsparameter eines Mendelschen Hauptgens gegen¨ uber allgemeinen Transmissionsparametern die Daten gut erkl¨ aren k¨ onnen (Modelle 8 und 9). Tabelle 3.5 zeigt die Ergebnisse der Segregationsanalyse zum Brustkrebs f¨ ur 1579 Kernfamilien (Stichprobe I) mit der gleichen Nummerierung der Modelle 1-6 wie in Tabelle 3.4. Tabelle 3.5. Ergebnisse der komplexen Segregationsanalyse in Stichprobe I (1579

Kernfamilien): Spalten 1-2 bezeichnen das Modell. Die restlichen Spalten der Tabelle A bezeichnen die Modellparameter: Maximum-Likelihood-Sch¨ atzer (ohne Klammer), festgelegte Parameter (mit Klammer), nicht verwendete Parameter (-). H=Heritabilit¨ at, τ2 =Transmissionsparameter heterozygoter Elter, d=Dominanzmaß, t=Penetranzmaß, pA =H¨ aufigkeit disponierendes Allels. In Tabelle B bezeichnet L in Spalte 3 das Maximum der Likelihoodfunktion, -2lnL+C die Funktion von L f¨ ur die Anwendung des Likelihood-Ratio-Tests und C eine gemeinsame Konstante der verwendeten Modelle. Spalten 4-5 beschreiben Modellvergleich und dazugeh¨ orige LR-Teststatistik. A #

Modell

H

τ2

d

t

pA

1

generelles

0,00

0,70

0,72

2,74

0,0006

2

keine Vererbung

(0)

-

-

-

(0)

3

multifaktoriell

0,26

-

-

-

(0)

4

Hauptgen

(0)

(0,5)

0,77

3,01

0,0006

5

dominantes Hauptgen

(0)

(0,5)

(1)

2,32

0,0006

6

rezessives Hauptgen

(0)

(0,5)

(0)

(2)

0,0650

B #

Modell

-2lnL+C

Vergleich -

χ2 (FG)

1

generelles

-11692,9

2

keine Vererbung

-11515,7

2 zu 1

177,2 (5)

-

3

multifaktoriell

-11660,3

3 zu 1

32,6 (4)

4

Hauptgen

-11691,9

4 zu 1

1,0 (2)

5

dominantes Hauptgen

-11691,9

5 zu 4

0,0 (1)

6

rezessives Hauptgen

-11683,7

6 zu 4

8,2 (2)

Die Schlussfolgerungen f¨ ur die Vergleiche mit dem generellen Modell sind: Das Modell ohne Vererbung (Modell 2) und das polygene Modell (Modell 3)

144

3. Famili¨are Aggregation

werden zu Gunsten des allgemeinen Modells abgelehnt. Das Hauptgen-Modell (Modell 4, 3 freie Parameter) wird aufgrund der geringeren Zahl der Parameter gegen¨ uber dem Modell 1 (5 freie Parameter) angenommen, da das Modell 4 die Daten nicht signifikant schlechter erkl¨ art als Modell 1 (bei 5-3=2 Freiheitsgraden). Die Schlussfolgerungen f¨ ur die Vergleiche mit dem generellen Ein-Locus-Modell sind: Das rezessive Modell (Modell 6) wird abgelehnt. Um Konvergenz des numerischen Verfahrens zu erreichen, musste t festgesetzt werden (t=2). Auch dies zeigt die schlechte Anpassung dieses Modells an die Daten. Das dominante Modell (Modell 5) erkl¨ art die Daten genauso gut wie das Modell 4. Daher wird ein seltenes autosomal dominantes Hauptgen mit Allelh¨ aufigkeit pA =0,0006 postuliert. Tabelle 3.6. Ergebnisse der komplexen Segregationsanalyse in Stichprobe III (eine

Hochrisikofamilie mit 252 Personen). Spaltenbezeichung wie in Tabelle 3.5 mit zus¨ atzlichem Parameter Z f¨ ur den Kohorteneffekt. Ohne Unterschiede zwischen den Generationen gilt Z=1. A #

Modell

H

Z

τ2

d

t

pA

1

generelles

0,04

2,39

0,52

1,0

2,38

0,1100

2

keine Vererbung

(0)

-

-

-

-

(0)

3

kein Kohorteneffekt

0,21

(1)

0,43

1,0

2,52

0,0800

4

multifaktoriell

0,83

1,20

-

-

-

(0)

5

dominantes Hauptgen

(0)

(1)

(0,5)

(1,0)

3,92

0,0030

6

kodominantes Hauptgen

(0)

(1)

(0,5)

(0,5)

7,83

0,0030

7

rezessives Hauptgen mit H, Z

0,22

4,34

0,54

(0)

2,63

0,0800

8

dominantes Hauptgen Modell aus Tabelle 3.5

(0)

(1)

(0,5)

(1,0)

(2,32)

0,0042

B #

Modell

1

generelles

2

keine Vererbung

3 4 5 6

-2lnL+C

Vergleich

χ2 (FG)

70,69

-

112,29

2 zu 1

41,60 (6)

-

kein Kohorteneffekt

71,81

3 zu 1

1,12 (1)

multifaktoriell

80,61

4 zu 1

9,92 (4)

dominantes Hauptgen

73,78

5 zu 1

3,09 (4)

Kodominantes Hauptgen

73,94

6 zu 1

3,25 (4)

7

rezessives Hauptgen mit H, Z

76,91

7 zu 1

6,22 (1)

8

dominantes Hauptgen Modell aus Tabelle 3.5

76,08

8 zu 1

5,39 (5)

3.4

Komplexe Segregationsanalyse

145

Tabelle 3.6 zeigt die Ergebnisse der Segregationsanalyse zum Brustkrebs f¨ ur die erweiterte Hochrisikofamilie (Stichprobe III). F¨ ur Vergleiche mit dem generellen Modell 1 wird noch zus¨atzlich der Kohorteneffekt betrachtet. Das Modell ohne Kohorteneffekt (Z=1) wird nicht abgelehnt, so dass bei nachfolgenden Modellen der Kohorteneffekt ausgeschlossen wird. Bei den Vergleichen mit einem Ein-Locus-Modell ergaben sich Konvergenzprobleme f¨ ur das rezessive Modell, so dass Kohorteneffekt und multifaktorielle Komponente wieder zugelassen werden mussten. Das kodominante Hauptgen wurde additiv modelliert. Das letzte Modell ist das dominante EinLocus-Modell, das mittels der Kernfamilien (s. Tabelle 3.5) gesch¨atzt wurde. uber den KernHier ergibt sich eine erh¨ ohte Allelh¨ aufigkeit pA =0,0042 gegen¨ familien, wie in Hochrisikofamilien erwartet wird. Man beachte auch, dass ur ein Mendelsches Hauptgen sch¨atzt. bereits Modell 1 τ2 fast genau wie f¨ Zusammenfassend kann auf ein seltenes, autosomales Hauptgen geschlossen werden. Die Ergebnisse sind robust gegen¨ uber plausiblen Schwankungen der Eingangsparameter bzw. basieren auf soliden Liabilit¨atssch¨atzern. F¨ ur Kernfamilien und Hochrisikofamilie wurden qualitativ vergleichbare Resultate erreicht. Auf der Basis dieses dominanten Modells (Modell 5, Tabelle 3.5) k¨onnen nun mittels der Liability Lebenszeitrisiken f¨ ur heterozygote Tr¨ager (Aa) und Nicht-Tr¨ ager (aa) des disponierenden Allels A berechnet werden. F¨ ur Sch¨atzungen bei AA-Tr¨agern reichen die Daten wegen der Seltenheit des Allels nicht aus. Newman et al. (1988) sch¨ atzten die Risiken f¨ ur Aa-Tr¨ager: 38% bis 40 Jahre, 66% bis 55 Jahre und 82% bis 80 Jahre und f¨ ur aa-Tr¨ager: 0,4% bis 40 Jahre, 2,8% bis 55 Jahre und 8,1% bis 80 Jahre. Auf die genaue Berechnungsweise wird hier nicht eingegangen. Sch¨ atzungen der Lebenszeitrisiken werden fortlaufend verfeinert (s. Kapitel 6). 3.4.6 Beispiel: Komplexe Segregationsanalyse zum Medizinstudium

Das Beispiel der Segregationsanalyse von McGuffin und Huckle (1990) an Familien von Medizinstudenten illustriert eine weitere Analyse, bei der besonderes Augenmerk auf die Transmissionsparameter gelegt wird. Medizinstudenten im ersten und zweiten Jahr des Studiums an der Universit¨at von Wales (UK) erhielten einen detaillierten Fragebogen zur Familiengeschichte. Sie wurden danach befragt, ob ihre Verwandten ersten und zweiten Grades auch Medizin studierten oder nicht. Der betrachtete Ph¨anotyp ist “Medizinstudium ja/nein“. 249 Personen, d.h. 85% der angeschriebenen Studenten, f¨ ullten den Fragebogen vollst¨ andig aus. Insgesamt ergab sich f¨ ur die Angeh¨origen der Studierenden: 16% der 249 V¨ ater und 6% der 249 M¨ utter studierten bereits Medizin, ebenso wie 22% der 137 Geschwister, 3% der 598 Großeltern und 2% der 1313 Onkel und Tanten mit Angaben.

146

3. Famili¨are Aggregation

Blick in die Geschichte 3: Mary-Claire King (1946 - , Abbey, 2005) Mary-Claire King hat in 17 Jahren intensiver Forschung 1988 die Existenz des Gens BRCA1 als Hauptgen f¨ ur Brustkrebs gezeigt (s. Kap. 3) und es 1990 lokalisiert (s. Kap. 4). Ihre Pionierarbeit f¨ uhrte zu einem neuen Verst¨andnis komplexer Krankheiten, n¨amlich des Zusammenspiels zwischen komplexen und Mendelschen Krankheiten u ¨ ber Mendelsche Subformen. Dieses Paradigma wurde nun bereits f¨ ur viele Krankheiten, z.B. Alzheimer und Diabetes nachgewiesen. Bei der endg¨ ultigen Einkreisung des Gens (das positionelle Klonieren) wurde King von Mark Skolnick (Miki et al., 1994) um wenige Wochen geschlagen. Skolnicks Firma Myriad Genetics l¨oste durch ihr Patent auf BRCA1 weltweit eine ethische Debatte um die Patentierung des Gens aus. Mary-Claire King blickt auf eine einmalige Wissenschaftlerinnenkarriere zur¨ uck. Sie studierte Biostatistik an der University of California in Berkeley. Mit ihrer Dissertation in Genetik zeigte sie, dass 99% der menschlichen Gene mit denen der Schimpansen u ¨ bereinstimmen. Dieses erstaunliche Forschungsergebnis war 1973 auf dem Titelblatt der Zeitschrift Science zu sehen. King soll anl¨ asslich der Auszeichnung des Magazins Glamour als Woman of the Year im Jahre 1993 gesagt haben: ,,I think there are two keys to being creatively productive. One is not being daunted by one’s fear of failure. The second is sheer perseverance.” Dies stellt sie f¨ ur ihre Brustkrebsforschung unter Beweis, die sie 1975 begann und heute noch fortf¨ uhrt. King setzt sich auch intensiv f¨ ur Menschenrechte ein. 1984 begann sie mit den Abuelas de Plaza de Mayo in Argentinien zu arbeiten. Diese Frauengruppe k¨ ampfte um ihre Enkel, die nach der Ermordung ihrer Kinder durch die Milit¨ ardiktatur verschleppt wurden. King entwickelte einen v¨ollig neuen Test zur Feststellung der Verwandtschaftsbeziehungen zwischen Großm¨ uttern und Enkeln auf der Basis der mitochondrischen DNA, die nur m¨ utterlich vererbt wird. Sie konnte so u ¨ber 50 argentinische Familien wieder vereinigen. Die genannten Arbeiten sind nur die wichtigsten aus dem Wissenschaftlerinnenleben von Mary-Claire King, die jetzt in Seattle lebt und arbeitet und insgesamt vier Ehrendoktorw¨ urden erhielt. Sie ist auch Mentorin und Rollenmodell. Sie sagt u ¨ber Frauen in der Wissenschaft “I do think women tend to tackle questions in science that bridge gaps. We’re more inclined to pull together threads from different areas, to be more integrative in our thinking.“ (Angier, 1993). King unterst¨ utzt Frauen auch hinsichtlich der geschlechtsspezifischen Forschung in der Medizin, die lange vernachl¨assigt wurde.

3.4

Komplexe Segregationsanalyse

147

F¨ ur eine erste Einsch¨ atzung der famili¨ aren Aggregation wurde das “Risiko“ Medizin zu studieren unter Verwandten ersten Grades dieser Studenten (13,4%) verglichen mit dem “Risiko“ Medizin zu studieren in der Allgemeinbev¨ olkerung (0,22%). Die zweite Angabe konnte leider nur aus einer Literaturquelle und nicht aus einer selbst rekrutierten Kontrollgruppe gewonnen werden. Eine fehlende Vergleichsgruppe kann die Validit¨at der Ergebnisse stark gef¨ ahrden. Jedoch soll die Angabe des Relativen Risikos f¨ ur Verwandte ersten Grades der Medizinstudenten mit λ1 =61 hier nur verdeutlichen, dass der betrachtete Ph¨ anotyp eine deutlich gr¨oßere famili¨are Aggregation aufweist, als dies u ¨blicherweise bei komplexen Krankheiten erwartet wird. McGuffin und Huckle (1990) f¨ uhrten nun auf der Basis dieser Stichprobe eine Segregationsanalyse durch und wollten so zeigen, dass bei nicht ad¨aquater Beachtung der Transmissionsparameter ein rezessives Hauptgen f¨ ur den reinen Verhaltens-Ph¨ anotyp Medizinstudium postuliert wird. Auf die Konsistenz dieses Ph¨ anotyps mit einem rezessiven Mendelschen Gen wurde bereits in einer fr¨ uheren Studie mit einfacheren Segregationsmethoden als der hier vorgestellten Analyse hingewiesen (Lilienfield, 1959). Wie bereits beim Brustkrebsbeispiel sind einige Eingabeparameter festzulegen. Ber¨ ucksichtigt werden nur Kernfamilien, nicht aber entfernte Verwandte oder Kinder. Die Autoren nehmen an, dass das Auswahlverfahren n¨aherungsweise einfacher Selektion entspricht, da in der Stichprobe keine Familien mit mehreren Indexprobanden beobachtet wurden. Sie legen somit π=0,001 fest. F¨ ur die Penetranzen werden zwei Liabilit¨ atsklassen gebildet. F¨ ur alle Eltern und Geschwister, die bei der Fragebogenaktion bereits 18 Jahre alt sind, wird das “Risiko“ Medizin zu studieren in der Allgemeinbev¨olkerung mit 0,22% angenommen. F¨ ur Geschwister unter 18 Jahren wird das “Risiko“ Medizin zu studieren mit 0,005% angenommen, um einige wenige Studenten mit sehr jungem Alter zu ber¨ ucksichtigen. Geschlechtsunterschiede, die insbesondere in der elterlichen Generation vorliegen, werden nicht modelliert. Mit diesen Eingabeparametern werden in 249 Familien mittels des MaximumLikelihood-Verfahrens die Parameter t, d, pA , H, τ1 , τ2 und τ3 gesch¨atzt. Die Transmissionsparameter untersuchen die vertikalen Transmission (s. Tabelle 3.4), auf die noch eingegangen wird. Tabelle 3.7 zeigt die Ergebnisse. Das Modell 7 ohne Hauptgenkomponente und ohne polygene Komponente ist deutlich schlechter als die Modelle 1-6. Damit ergibt sich eine starke Evidenz f¨ ur eine famili¨ are Transmission. Modell 9 mit rein kultureller Transmission (Umweltmodell, alle drei Transmissionsparameter gleich) und Modell 8 ohne Haupteffekt (pA =0) werden ebenfalls verworfen. Das multifaktorielle Modell 6 wird gegen¨ uber dem gemischten Modell 1 abgelehnt. Das Hauptgen-Modell 2 erkl¨ art die Daten vergleichbar gut wie das gemischte Modell 1. Daraus ergibt sich ein starker Hinweis auf ein Hauptgen

148

3. Famili¨are Aggregation

Tabelle 3.7. Ergebnisse der komplexen Segregationsanalyse bei den 249 Familien der

Medizinstudenten. Maximum-Likelihood-Sch¨ atzer (ohne Klammer), festgelegte Parameter (mit Klammer), -2lnL+C f¨ ur den Likelihood-Ratio-Test (vergl. Tabelle 3.5). A # 1

Modell gemischtes Modell

τ1 (1)

τ2 (0,5)

τ3 (0)

H 0,008

d 0,087

t 4,044

pA 0,089

2

Hauptgen Modell

(1)

(0,5)

(0)

(0)

0,651

3,899

0,088

3

rezessives Hauptgen

(1)

(0,5)

(0)

(0)

(0)

7,619

0,088

4

vertikale Transmission V1

(1)

0,143

(0)

(0)

(0)

6,363

0,129

5

vertikale Transmission V2

1

0,668

0,637

(0)

(0)

7,254

0,038

6

multifaktorielles Modell

(1)

(0,5)

(0)

0,845

(0)

(0)

(0)

7

Modell ohne Vererbung

(1)

(0,5)

(0)

(0)

(0)

(0)

(0)

8

Kein Haupteffekt

(1)

(0,5)

(0)

(0)

(0)

0,762

(0)

9

Keine Transmission (τ1 = τ2 = τ3 )

0,887

0,887

0,887

(0)

(0)

3,201

0,113

B # 1

Modell Gemischtes Modell

-2lnL+C -2879,97

Vergleich -

χ2 (FG) -

2

Hauptgen Modell

-2879,86

2 zu 1

0,11 (1)

3

Rezessives Hauptgen

-2879,86

3 zu 2

0,00 (1)

4

Vertikale Transmission V1

-2882,23

3 zu 4

2,37 (1)

5

Vertikale Transmission V2

-2888,78

3 zu 5

8,92 (3)

6

Multifaktorielles Modell

-2865,57

6 zu 1

14,40 (3)

7

Modell ohne Vererbung

-2716,40

7 zu 6

149,17 (1)

8

Kein Haupteffekt

-2716,39

8 zu 2

163,47 (1)

9

Keine Transmission

-2716,40

9 zu 2

163,46 (1)

gem¨ aß Parsimony-Prinzip. Ebenso zeigt sich ein starker Hinweis auf einen rezessiven Erbgang, da Modell 3 die Daten ebenso gut erkl¨art wie Modell 2. Im ersten Modell der vertikalen Transmission (Modell 4) wird zus¨atzlich zu den anderen Parametern der Transmissionsparameter f¨ ur einen heterozygoten Elter nicht auf den Mendelschen Wert 0,5 festgesetzt, sondern der MaximumLikelihood-Sch¨ atzer mit τ2 =0,143 ermittelt, der von 0,5 deutlich abweicht. Modell 4 f¨ uhrt gegen¨ uber dem rezessiven Modell nicht zu einer besseren Anpassung an die Daten. Im zweiten Modell der vertikalen Transmission (Modell 5) werden alle drei Transmissionsparameter gesch¨atzt. Das (eingeschr¨ankte) rezessive Modell (Modell 3) wird nun gegen¨ uber dem (generellen) Modell mit freier Transmission (Modell 5) abgelehnt. Das dominante Modell wird wegen des Eingangsziels der Best¨ atigung des rezessiven Erbgangs nicht betrachtet. Als Ergebnis kann kein Nachweis f¨ ur ein rezessives Gen gegeben werden, das zum Medizinstudium pr¨ adisponiert. Dies ergibt sich jedoch erst nach Einbeziehung aller Transmissionsparameter. Daher m¨ ussen diese Parameter zur

3.4

Komplexe Segregationsanalyse

149

Vermeidung falsch positiver Resultate unbedingt mit untersucht werden. Ein rezessives Hauptgen f¨ ur ein Medizinstudium w¨are jedenfalls nicht plausibel. Die gleiche Vorsicht ist bei komplexen Ph¨ anotypen generell geboten. 3.4.7 Elston-Stuart-Algorithmus zur Berechnung der Likelihood

Likelihood-Ratio-Vergleiche zwischen Modellen sind zur Durchf¨ uhrung einer Segregationsanalyse notwendig. Die Berechnung der Likelihood wurde in Abschnitt 3.3 f¨ ur Kernfamilien skizziert. F¨ ur Mehrgenerationenfamilien mit vielen Individuen (erweiterte Stammb¨aume) wird ein numerischer Algorithmus zur Berechnung der Wahrscheinlichkeiten ben¨otigt. Der wichtigste dieser Algorithmen, der Elston-Stuart-Algorithmus (Elston und Stuart 1971), erm¨ oglicht die Likelihoodberechnungen f¨ ur Familien ohne Schleifen im Stammbaum (without loops), d.h. ohne Paarungen zwischen Verwandten. L bezeichne die Likelihood des beobachteten Ph¨anotyps Y, bedingt auf ein genetisches Segregationsmodell M bei bekannter Stammbaumstruktur, d.h. die Verwandtschaftsbeziehungen sind bekannt. L kann durch Summation u ¨ber alle genotypischen Konstellationen gi , i=1,. . . ,n, berechnet werden, wobei n die Anzahl der Individuen im Stammbaum bezeichnet. Hierbei wird der Satz von der totalen Wahrscheinlichkeit verwendet. Prinzipiell sind alle Kombinationen der Genotypen der Personen im Stammbaum zu ber¨ ucksichtigen, die mit den beobachteten Ph¨ anotypdaten und dem gegebenen genetischen Modell kompatibel sind. Je gr¨ oßer die Anzahl der Personen im Stammbaum, umso gr¨ oßer wird die Anzahl der zu betrachtenden Konstellationen. Alle zu sch¨ atzenden Parameter seien gemeinschaftlich mit β bezeichnet. Dann gilt:   ··· P (Y |g1 g2 · · · gn )P (g1 g2 · · · gn ) L (β|Y ) = g1

g2

gn

Es wird vorausgesetzt, dass der Ph¨ anotyp einer Person nur vom Genotyp dieser Person abh¨ angt, jedoch nicht von den Genotypen anderer Personen im Stammbaum, was in der Regel gilt. Jedoch gilt sie z.B. nicht, falls j¨ ungere ¨ Geschwister eines Diabetikerkindes aufgrund der Erkrankung des Alteren ihr eigenes Ern¨ ahrungsverhalten bereits fr¨ uhzeitig umstellen und damit evtl. das Ausbrechen des Diabetes verhindern. Die Segregationsanalyse mittels Regressiver Modelle (Bonney, 1986) kann einige Abh¨ angigkeiten ber¨ ucksichtigen. Der Elston-Stuart-Algorithmus (Elston und Stuart 1971) ist die folgende rekursive Formel zur Berechnung der Likelihood L:

L=

 g1

g2

···

n  gn j=1

f (gi )

n1  k=1

p(gk )

n2  m=1

τ (gm |gm1 gm2 )

(3.2)

150

3. Famili¨are Aggregation

Die Bezeichnungen sind wie folgt: n sei die Anzahl der Personen im Stammunder (founder), d.h. der Personen ohne erfassbaum. n1 sei die Anzahl der Gr¨ te Eltern im Stammbaum. Im Allgemeinen sind dies die a¨lteste Generation und Personen, die in den Stammbaum geheiratet haben (married-in spouunder , d.h. die Personen, deren Eltern ses). n2 sei die Anzahl der Nicht-Gr¨ im Stammbaum mit erfasst sind. Es gilt n = n1 +n2 . gi , i=1,. . . ,n, bezeichnet den Genotyp der iten Person des Stammbaums. Die Parameter des genetischen Modells M teilen sich in drei Parametergruppen: Populationsparameter: Die Genotypverteilung der Gr¨ under, p(gk ), k=1,. . . ,n1 , wird durch die Genotypverteilung der Population bestimmt. Hierbei wird oft die Gesamtzahl der Parameter reduziert, indem das HardyWeinberg-Gleichgewicht vorausgesetzt und somit das jeweilige Produkt der Allelwahrscheinlichkeiten gebildet wird. Transmissionsparameter: Die Genotypverteilung der Nicht-Gr¨ under wird durch Transmissionsparameter und die elterlichen Genotypen bestimmt. ur den Genotyp des Hierbei ist τ (gm |gm1 , gm2 ) die Wahrscheinlichkeit f¨ Kindes, wobei m1 und m2 die Eltern von m bezeichnen. Es wird vorausgesetzt, dass die Genotypen der Geschwister bedingt auf die Genotypen der Eltern unabh¨ angig voneinander sind. Dies bedeutet, wenn man die Genotypen der Eltern kennt, sind die Wahrscheinlichkeiten f¨ ur die Genotypen eines Kindes aufgrund der Mendelschen Gesetze bekannt, unabh¨ angig von den Genotypen anderer Kinder (bedingte Unabh¨angigkeit). Weiterhin wird vorausgesetzt, dass die Transmission eines Elternteils unabh¨ angig von der des anderen Elternteils ist. Anders ausgedr¨ uckt, die Mutter gibt mit Wahrscheinlichkeit 0,5 eines ihrer beiden Allele an jedes Kind ab, unabh¨ angig davon, welches Allel der Vater abgibt. Daher ergeben sich die Transmissionswahrscheinlichkeiten der Eltern aus dem Produkt der Transmissionswahrscheinlichkeiten f¨ ur die Eltern einzeln. Penetranzparameter: Die Penetranzen, f (gi ), i=1,. . . ,n, beschreiben die Genotyp-Ph¨ anotyp-Beziehung f¨ ur Individuum i. Es wird angenommen, dass der Ph¨ anotyp einer Person nur vom eigenen Genotyp abh¨angt. Der Elston-Stuart-Algorithmus funktioniert gut f¨ ur sogenannte einfache Stammb¨aume beliebiger Gr¨ oße, selbst mit mehreren 100 Individuen. Berechnungen in komplexen Stammb¨aumen, d.h. Stammb¨aumen mit Schleifen aufgrund von Verwandtenehen, sind h¨ aufig nur mit approximativen Methoden, z.B. sogenannten Markov-Chain-Monte-Carlo- (MCMC)-Verfahren m¨oglich. Die Likelihood einer Stichprobe aus insgesamt nF Familien ergibt sich aus dem Produkt der Likelihoods f¨ ur die einzelnen Familien, die unabh¨angig von

3.5

Ausblick

151

einander sind. Numerisch einfacher ist es, den Logarithmus der Likelihood, hier mit l bezeichnet, zu betrachten. Der Logarithmus der Gesamt-Likelihood ist der Logarithmus des Produktes der einzelnen Likelihoods und damit gleich der Summe der Logarithmen der einzelnen Likelihoods. l(β) =

nF 

li (β)

i=1

Daher wird die Berechnung der Maximum-Likelihood unter einem genetischen Modell numerisch auf der Basis der Log-Likelihoods durchgef¨ uhrt. Die Maximum-Likelihood-Sch¨ atzer f¨ ur die Parameter des genetischen Modells sind konsistent, d.h. wenn das angenommene prinzipielle Modell mit frei variierenden Parametern zutrifft, n¨ ahern sich mit großer Stichprobenzahl die Sch¨ atzer den Werten der Modellparameter an, die den Daten wirklich zugrunde liegen. Die große Stichprobenzahl kann bereits mit einigen wenigen oder sogar mit einem großen Stammbaum erf¨ ullt sein, da die Stichprobengr¨oße bei der Segregationsanalyse im Wesentlichen durch die Anzahl der beobachteten informativen Meiosen bestimmt wird.

3.5 Ausblick Das Ziel der Segregationsanalysen ist es, die Existenz eines Hauptgens f¨ ur ¨ den zu untersuchenden Ph¨ anotyp nachzuweisen und dabei den Ubertragungsmodus, d.h. die Parameter des zugrunde liegenden genetischen Modells zu ¨ sch¨ atzen. Daher sollte soweit m¨ oglich das Ubertragungsmuster u ¨ ber mehrere Generationen in großen Familienstammb¨ aumen analysiert werden. Eine Segregationsanalyse wird jedoch h¨ aufig auf der Basis vieler kleiner Familien durchgef¨ uhrt, da die Ph¨ anotypdaten f¨ ur Personen u ¨ber viele Verwandtschaftslinien hinweg h¨ aufig schwer direkt zu erhalten sind und FragebogenInformationen f¨ ur entferntere Verwandte im Allgemeinen nicht zuverl¨assig genug sind. Beide erw¨ ahnten Beispiele verwendeten viele kleine Familien. Zusammenfassend ist die Vorgehensweise wie folgt: Zun¨achst wird das generelle Modell angepasst. Es ist das umfassendste Modell, das noch betrachtet wird. Dann werden weitere Modelle angepasst, um festzustellen, welche eingeschr¨ ankten Modelle einen ad¨ aquaten Fit geben. Außerdem muss immer ein nichtgenetisches Modell angepasst werden, um sicherzustellen, dass die famili¨are H¨ aufung nicht ein rein zuf¨ alliger Effekt ist. Das Auswahlverfahren muss ad¨ aquat ber¨ ucksichtigt werden. Inzidenzen oder Pr¨avalenzen in der Population werden als Bedingungen f¨ ur alle angepassten Modelle verwendet (Liabilit¨ atsklassen). Die Modelle sollen flexibel sein, aber wiederum auch nicht

3.5

152

3. Famili¨are Aggregation

zu viele Parameter enthalten. Als generelles Modell werden beispielsweise meistens ein Hauptgen und nicht mehrere Hauptgene angenommen. Die Segregationsanalyse ist ein gut geeignetes und sehr erfolgreiches Werkzeug f¨ ur monogene Erkrankungen. Die großen Probleme der Segregationsanalysen komplexer Erkrankungen resultieren aus der unklaren GenotypPh¨ anotyp-Beziehung, aus Schwierigkeiten bei der Definition des Ph¨anotyps und aus der großen genetischen Heterogenit¨ at (s. Abschnitt 1.3.4). Im Brustkrebsbeispiel wurden zur Homogenisierung nur Familien kaukasischer Patientinnen mit Diagnose vor dem 55. Lebensalter ausgew¨ahlt. Zur Vermeidung falsch postulierter Hauptgene muss die Mendelsche Segregation nochmals mit den Transmissionsparametern u uft werden, so wie das Beispiel Medizin¨ berpr¨ studium dies zeigte. Die Segregationsanalyse zum Brustkrebs ergab sowohl in den Kernfamilien als auch in der erweiterten Familie ein autosomal dominantes Hauptgen, wobei die Ergebnisse auch unter variierendem Parameter des Auswahlverfahrens stabil waren. Die Liabilit¨atsklassen waren als Eingangsparameter durch Vorg¨ angerstudien bekannt. Mit dem hervorragenden Studiendesign, diesen guten Eingangsparametern und der exzellenten Sensitivit¨ atsanalyse konnte diese Segregationsanalyse so erfolgreich sein. Wenn es keine Hauptgene mit hoher Penetranz gibt, sondern einige wenige Gene mit moderatem Effekt, wird eine Segregationsanalyse sehr schwierig. Die Likelihoodfunktionen f¨ ur die Modelle sind dann i.d.R. sehr flach. Damit f¨ uhren zahlreiche Sets von Modellparametern zu ¨ahnlichen Werten f¨ ur die Likelihood und zu einer vergleichbaren G¨ ute der Modellanpassung. LikelihoodVergleiche sind hier a uhren meistens nicht mehr ¨ußerst problematisch und f¨ zu signifikanten Modellunterschieden in der Anpassungsg¨ ute. F¨ ur eine erfolgreiche Segregationsanalyse sollte man sicherstellen, dass das globale und nicht ein lokales Maximum der Likelihoodfunktion bestimmt wird. Ein globales Maximum einer Funktion ist der gr¨oßte Wert, den die Funktion annimmt. Ein lokales Maximum ist der Wert der Funktion an einer Stelle, in deren Umgebung die Funktion keine gr¨oßeren Werte annimmt. Dazu sollte man die Analyse an einer Stichprobe mit ausreichend Information f¨ ur alle zu sch¨ atzenden Parameter durchf¨ uhren. Man kann pr¨ ufen, ob das gleiche Maximum von einer Vielzahl plausibler Eingangsparametern oder auch von zahlreichen Startpunkten bei MCMC-Verfahren erreicht wird. Weiterhin kann man die Likelihoodfunktion graphisch darstellen, um so einen flachen Verlauf zu erkennen. Bei einer flachen Likelihoodfunktion gibt es viele gleichgute L¨ osungen. Es wird kein klares Maximum mehr ausgemacht. Die Daten enthalten nicht gen¨ ugend Information, um ein Modell klar zu identifizieren. Die Power einer Segregationsanalyse wird wesentlich durch die Zahl der Meiosen bestimmt, wobei das disponierende Allel auch in den Familien segregieren muss. Daher k¨ onnen sowohl viele kleine Stammb¨aume als auch

3.6

Programme

153

ein großer Stammbaum gegebenenfalls ausreichend f¨ ur eine solche Analyse sein. Es sollte zum Abschluss noch erw¨ ahnt werden, dass wegen der Schwierigkeiten der Segregationsanalysen bei komplexen Erkrankungen und der großen Effizienz der Laborverfahren heute h¨ aufig Kopplungs- und Assoziationsanalysen mit Markern ohne vorherige Segregationsanalysen durchgef¨ uhrt werden. Dies kann auf Irrwege f¨ uhren, zumal h¨ aufig die genetische Basis oder auch die famili¨ are Aggregation nicht hinreichend untersucht sind.

3.6 Programme Einige u ur Segregationsanalysen sind im Fol¨bliche Computerprogramme f¨ genden aufgelistet (siehe auch http://linkage.rockefeller.edu/soft/). BUGS (Bayesian inference Using Gibbs Sampling) ist eine flexible Software f¨ ur die Analyse komplexer statistischer Modelle mit Bayesverfahren unter Verwendung von MCMC-Methoden. Loki (Heath 1997) im Programmpacket PANGAEA (Pedigree Analysis for Genetics And Epidemiological Attributes) untersucht einen quantitativen Ph¨ anotyp in großen Stammb¨aumen mittels MCMC-Methoden, der durch mehrere Loci determiniert sein kann. MENDEL erlaubt Segregationsanalysen f¨ ur eine kleine Anzahl Loci sowie Risikoberechnungen. Allelh¨ aufigkeiten k¨ onnen mit Stammb¨aumen oder mit einer Zufallsstichprobe gesch¨ atzt werden. Ebenso werden Penetranzen gesch¨ atzt. Simulationen der genetischen Daten werden mit “Gendropping“ von ¨ alteren Generationen ausgehend durchgef¨ uhrt. Es werden Varianzkomponentenanalysen verwendet. PAP (Pedigree Analysis Package). Mit Hilfe dieses Programms l¨aßt sich die Likelihood f¨ ur spezifische Parameterwerte berechnen und maximieren. Die unbekannten Parameter werden mit Streuungsmaß einer Stichprobe (Standardfehler) gesch¨ atzt. Das Programm berechnet die Wahrscheinlichkeit f¨ ur jeden m¨ oglichen Genotyp der Familienmitglieder. Simulationen sind m¨oglich. POINTER basiert auf der komplexen Segregationsanalyse mit dem gemischten Modell. Es ist das Programm, das bei den beiden Beispielanalysen dieses Kapitels verwendet wurde. SAGE (Statistical Analysis for Genetic Epidemiology) hat Routinen f¨ ur Segregationsanalysen, die auf regressiven Modellen (Bonney 1984, 1986) beru¨ hen. Die Aquivalenz mit dem gemischten Modell kann gezeigt werden (Demenais und Bonney, 1989).

3.6

154

3.7

3. Famili¨are Aggregation

3.7 Literatur B¨ ucher Abbey CD (Hrsg.) (2005) Biography today scientists and inventors. Omnigraphics: Detroit Elston RC, Olson JM, Palmer L (2002) Biostatistical Genetics and Genetic Epidemiology (Hrsg.). Wiley: Chichester, UK Falconer DS, Mackay TFC (1989) Introduction to Quantitative Genetics. Longman: Essex Farrer LA, Cupples LA (1998) Determining the Genetic Component of a Disease. In Haines JL, Pericak-Vance MA (Hrsg.) Approaches to Gene Mapping in Complex Human Diseases. Wiley: New York Haines JL Pericak-Vance MA (Hrsg.) (1998) Approaches to Gene Mapping in Complex Human Diseases. Wiley: New York Hodge SE, Ascertainment, in: Elston RC, Olson JM, Palmer L (2002) Biostatistical Genetics and Genetic Epidemiology (Hrsg.). 20-28 Khoury MJ, Beaty TH, Cohen BH (1993) Fundamentals of Genetic Epidemiology. Oxford University Press: New York Sham P (1998) Statistics in Human Genetics. Wiley: London Strachan T, Read AP (1999) Human Molecular Genetics. Wiley-Liss: New York Artikel Angier N (1993) The search for a breast cancer gene. Glamour: 91: 182 Bonney GE (1984) On the statistical determination of major gene mechanisms in continuous human traits: regressive models. American Journal of Human Genetics 18:731-749 Bonney GE (1986) Regressive logistic models for familial disease and other binary traits. Biometrics 42:611-625 Demenais F, Bonney GE (1989) Equivalence of the mixed and regressive models for genetic analysis I continuous traits. Genetic Epidemiology 6:597617 Elston RC, Stuart J (1971) A general model for the analysis of pedigree data. Human Heredity 21:523-542 Heath SC (1997) Markov chain Monte Carlo segregation and linkage analysis for oligogenic models. American Journal of Human Genetics 61:748-760 Lalouel JM, Morton NE (1981) Complex segregation analysis with pointers. Human Heredity 31:312-321 Liang KY, Beaty TH (2000) Statistical designs for familial aggregation. Statistical Methods in Medical Research: 9:543-562 Lilienfield AM (1959) A methodological problem in testing a recessive ge-

3.7

Literatur

155

netic hypothesis in human disease. American Journal of Public Health 49: 199-214 Marshall E (2003) Preventing toxicity with a gene test. Science 302:588-590 McGuffin P, Huckle P (1990) Simulation of Mendelism revisited: The recessive gene for attending medical school. American Journal of Human Genetics 46:994-999 Miki Y Swensen J, Shattuck-Eidens D, Futreal PA, Harshman K, Tavtigian S, Liu Q, Cochran C, Bennett LM, Ding W, et al.(1994) A strong candidate for the breast and ovarian cancer susceptibility gene BRCA1. Science 266: 66-71 Morton NE (1959) Genetic tests under incomplete ascertainment. American Journal of Human Genetics 11:1-16 Newman B, Austin MA, Lee M, King MC (1988) Inheritance of human breast cancer: evidence for autosomal dominant transmission in high-risk families. Proceedings of the National Academy of Science USA 85:3044-3048 Paul SR, Liang KY, Self SG (1989) On testing departure from the binomial and multinomial assumptions. Biometrics 45:231-6 Risch N (1990) Linkage strategies for genetically complex traits. II. The power of affected relative pairs. American Journal of Human Genetics 46:229241 Scholz M, Kraft HG, Lingenhel A, Delport R, Vorster EH, Bickeb¨oller H, Utermann G (1999) Genetic control of lipoprotein(a) concentrations is different in Africans and Caucasians. European Journal of Human Genetics 7:169-178 Schwartz AG, Boehnke M, Moll PP (1988) Family risk index as a measure of familial heterogeneity of cancer risk: A population-based study in metropolitan Detroit. American Journal of Epidemiology 128: 524-535 Weinberg W (1927) Mathematische Grundlagen der Probandenmethode. Zeitschrift f¨ ur Induktive Abstammungs- und Vererbungslehre 48:179-228 Yang Q, Khoury MJ, Rodriguez C, Calle EE, Tatham LM, Flanders WD (1998) Family history score as a predictor of breast cancer mortality: prospective data from the Cancer Prevention Study II, United States, 1982-1991. American Journal of Epidemiology 147:652-659 Webseiten Laboratory of Statistical Genetics Rockefeller University. Softwareprogramme f¨ ur genetische Analysen. http://linkage.rockefeller.edu/soft/ Verbundprojekt der Deutschen Krebshilfe (2003) Famili¨arer Brust- und Eierstockkrebs. www.krebshilfe.de/neu/infoangebot/fam brustzentren.pdf

Kapitel 4 Kopplungsanalysen

4

4

4 Kopplungsanalysen 4.1 Einleitung ....................................................................... 4.1.1 Mendelsches Modell f¨ ur zwei Loci mit Rekombination ....... 4.1.2 Kartierungsfunktionen ............................................... 4.2 LOD-Score-Methode .......................................................... 4.2.1 Likelihood der Rekombinationsrate θ in Kernfamilien........ 4.2.2 LOD-Score-Berechnung in Kernfamilien ......................... 4.2.3 LOD-Score-Berechnung in allgemeinen Familien............... 4.2.4 LOD-Score-Methode .................................................. 4.3 Identity-by-Descent-Verfahren f¨ ur dichotome Ph¨anotypen.......... 4.3.1 Identity-by-Descent f¨ ur einen Locus............................... 4.3.2 Identity-by-Descent f¨ ur zwei Loci .................................. 4.3.3 Affected-Sib-Pair-Methode........................................... 4.4 Identity-by-Descent-Verfahren f¨ ur quantitative Ph¨anotypen ....... 4.4.1 Ein-Locus-Modell mit Varianzkomponenten .................... 4.4.2 Haseman-Elston-Verfahren .......................................... 4.4.3 Varianzkomponentenanalyse ........................................ 4.5 Genomweite Kopplungsanalyse ............................................ 4.5.1 Betrachtung mehrerer Marker ..................................... 4.5.2 Vererbungsvektoren bei Betrachtung eines Markers........... 4.5.3 Vererbungsvektoren bei Betrachtung mehrerer Marker ...... 4.5.4 Genomweite Kopplungstests ........................................ 4.6 Ausblick.......................................................................... 4.7 Programme ...................................................................... 4.8 Literatur .........................................................................

159 159 161 164 166 166 168 172 175 185 185 188 191 199 199 200 204 207 207 209 213 215 217 219 221

4 Kopplungsanalysen 4.1 Einleitung Die Kopplungsanalyse ist ein zentrales Verfahren zur Lokalisation und Identifizierung disponierender Gene f¨ ur Krankheiten, besonders erfolgreich bei monogenen Krankheiten und f¨ ur Hauptgene bei komplexen Krankheiten. Sie nutzt die Tatsache aus, dass das gesuchte Gen in der N¨ahe des Markers liegen muss, wenn ein genetischer Marker und ein disponierendes Gen in Familien gemeinsam vererbt werden. Zur Analyse dienen einerseits die genomweite Suche, d.h. die systematische Durchsuchung des gesamten Genoms anhand vieler gleichm¨aßig verteilter genetischer Marker, und andererseits die Untersuchung von Kandidatengenen (Clerget-Darpoux und Bonaiti-Pelli´e 1992). Genomweites Suchen wendet man an, wenn man keine oder ungen¨ ugende Informationen u ¨ber die der Krankheit zugrunde liegenden biologischen bzw. biochemischen Prozesse hat. Ziel ist also die Lokalisierung eines disponierenden Gens im Genom. Liegen jedoch Informationen vor, die einen funktionellen Zusammenhang zwischen bestimmten Genen und der betrachteten Krankheit bzw. dem Ph¨anotypen vermuten lassen oder diesen bereits belegen, so bezeichnet man diese Gene als Kandidatengene. Kandidatengene oder auch mehrere Gene in Kandidatengen-Regionen sind dann m¨ ogliche Risikofaktoren f¨ ur die Krankheit. Bei einer Kandidatengenuntersuchung sind die Ziele der Nachweis der Beteiligung des Kandidatengens an der Krankheit und die Sch¨atzung des genetischen Modells einschließlich einer Quantifizierung des Einflusses auf die Krankheit (Allelh¨ aufigkeiten, Penetranzen) auch unter Ber¨ ucksichtigung weiterer Variablen. Bei Untersuchungen von Genom-Regionen oder des ganzen Genoms werden die relevanten Genotypen des disponierenden Gens h¨aufig nicht direkt beobachtet. Auch bei Kandidatengenen werden die relevanten Genotypen teilweise entweder nicht direkt beobachtet, oder sie werden gemeinschaftlich mit zahlreichen nicht relevanten Informationen beobachtet. Deswegen m¨ ussen Informationen u ¨ ber genetische Marker benutzt werden, die entweder Polymorphismen direkt im Kandidatengen sind oder sich in der N¨ahe des Kandidatengens befinden. Abschnitt 4.1.1 stellt das Mendelsche Modell f¨ ur zwei Loci unter Ber¨ ucksichtigung der Rekombination dar (s. Abschnitt 1.1.2.2). In der Zwei-PunktKopplungsanalyse sind die zwei Loci ein genetischer Marker und der disponierende Locus. Abschnitt 4.1.2 beschreibt Kartierungsfunktionen, mit denen man Rekombinationsraten in Morgan umwandeln kann und umgekehrt

4.1

160

4. Kopplungsanalysen

(s. Abschnitt 1.1.2.2). Diese werden ben¨ otigt, da Kopplungsanalysen auf Rekombinationsraten basieren, genetische Karten jedoch in Morgan angegeben werden. Im Anschluss f¨ uhren wir die parametrischen sowie die modellfreien Kopplungsanalysen ein. Zur Durchf¨ uhrung der parametrischen Kopplungsanalysen werden Annahmen u ¨ ber das zugrunde liegende genetische Modell gemacht und zugleich der Parameter Rekombinationsrate gesch¨atzt. Das zentrale parametrische Kopplungsverfahren ist die LOD-Score-Methode (Abschnitt 4.2). Modellfreie Kopplungsverfahren werden auch als nichtparametrische Kopplungsverfahren bezeichnet. Das genetische Modell muss hier nicht als bekannt angenommen werden. Ziel ist nicht die Sch¨atzung der Rekombinationsrate, sondern der Nachweis der Kopplung. Die wichtigen nichtparametrischen Kopplungsverfahren basieren auf den Identity-by-Descent-Verfahren. Sie werden in Abschnitt 4.3 f¨ ur dichotome Ph¨ anotypen (i.d.R. erkrankt/ nicht erkrankt) und in Abschnitt 4.4 f¨ ur quantitative Ph¨anotypen behandelt. Sowohl genomweites Suchen als auch Kandidatengenuntersuchungen k¨onnen mit parametrischen oder nichtparametrischen Methoden durchgef¨ uhrt werden. W¨ ahrend die Abschnitte 4.1 bis 4.4 Zwei-Punkt-Verfahren behandeln, besch¨ aftigen wir uns in Abschnitt 4.5 mit Mehrpunkt-Verfahren, wie sie f¨ ur genomweites Suchen ben¨ otigt werden. Bei komplexen Krankheiten sind h¨ aufig nichtparametrische Methoden zu bevorzugen, da u ¨ber das zugrunde liegende genetische Modell wenig bekannt ist. Nichtparametrische Methoden weisen oft eine niedrige Power (s. Tabelle 1.9) auf, so dass die Wahl zwischen parametrischen und nichtparametrischen Verfahren sorgf¨ altig abgewogen werden muss. Auf Aspekte des Studiendesigns, der Power und des Stichprobenumfangs wird innerhalb der einzelnen Abschnitte eingegangen. Ebenso stellen wir dort jeweils als Beispiel Kopplungsanalysen zur Identifizierung des BRCA1-Gens als disponierendes Gen f¨ ur Brustkrebs dar. Zum Schluss finden sich ein Ausblick (Abschnitt 4.6) und ¨ ein Uberblick u ¨ber wichtige Softwareprogramme (Abschnitt 4.7). Die klassische Vorgehensweise der Genetischen Epidemiologie ist es, zuerst die Existenz genetischer Risikofaktoren mittels famili¨arer Aggregation (s. Kapitel 3) nachzuweisen, bevor Studien mit genetischen Markern durchgef¨ uhrt werden. Heutzutage werden h¨ aufig Markerstudien f¨ ur Ph¨anotypen auch ohne vorherige umfangreiche Segregationsanalysen durchgef¨ uhrt. Eine erfolgreiche Kopplungsanalyse, bei der signifikant eine Kopplung zwischen dem Ph¨ anotyp und einem Gen bzw. einer Region nachgewiesen werden konnte, gilt als nachtr¨ aglicher Nachweis f¨ ur die Existenz eines disponierenden Gens (Ott 1999, S. 76).

4.1

Einleitung

161

4.1.1 Mendelsches Modell f¨ ur zwei Loci mit Rekombination

Beim Vererbungsprozess zweier Genorte muss genetische Kopplung ber¨ ucksichtigt werden (s. Abschnitt 1.1.2.2). Bei der Meiose bezeichnet ein Crossover den Austausch homologer Chromosomenabschnitte zwischen den beiden Genorten. Eine Rekombination zwischen dem disponierenden Locus D und dem Markerlocus M bzw. auch zwischen zwei Markerloci liegt vor, wenn eine ungerade Anzahl von Crossovern zwischen ihnen stattgefunden hat. Rekombinationen zwischen zwei Loci k¨ onnen direkt beobachtet werden. Seien nun A und B zwei Loci mit den Allelen A1 , A2 , A3 bzw. B1 , B2 , B3 . In Abb. 4.1.A ist die Mutter doppelt heterozygot mit den Haplotypen A1 B1 und A2 B2 . So k¨ onnen nach der Meiose die nicht rekombinierten Haplotypen A1 B1 und A2 B2 bzw. die rekombinierten Haplotypen A1 B2 und A2 B1 vorliegen. Zur Feststellung, ob eine Rekombination bei der betrachteten Eltern-Kind Meiose stattgefunden hat, sind Eltern, die an einem Locus oder auch beiden Loci homozygot sind, also z.B. der Vater mit den Genotypen A1 A1 und B1 B1 , nicht informativ. A

B A2A3 B2B3

A1A3 B1B3 A1A1 B1B1 nx

A1 A1 B1 B1

A1 A2 B1 B2

A1A1 B1B1

ny

A1 A2 B1 B2

A1 A1 B1 B2

nx

A1 A2 B1 B1

A2A3 B1B3

A1A3 B2B3

A1 A1 B1 B1

A1 A2 B2 B1 ny

A1 A2 B1 B2

A1 A1 B1 B2

A1 A2 B1 B1

Abbildung 4.1. Familie mit Genotypisierung f¨ ur zwei Loci A und B. In der letzten

Generation sind nx+ny Kinder mit allen m¨ oglichen Haplotypen angegeben. A: nx Kinder zeigen m¨ utterlicherseits eine nicht rekombinante, ny Kinder eine rekombinante Meiose. B: Die Phase der Mutter ist umgekehrt wie in A. nx Kinder zeigen m¨ utterlicherseits eine rekombinante, ny Kinder eine nicht rekombinante Meiose.

Entscheidend f¨ ur die Bestimmung einer Rekombination ist die Phase. Bei der Genotypisierung wird nur der Multilocus-Genotyp (hier: A1 A2 , B1 B2 ) festgestellt, nicht aber die beiden Haplotypen, d.h. der Diplotyp, bestimmt. Betrachten wir weiterhin die Abbildungen 4.1.A und B. Grunds¨atzlich sind f¨ ur die Mutter zwei Phasen m¨ oglich, n¨ amlich i) sie hat die Haplotypen A1 B1 und A2 B2 (s. Abb. 4.1.A) oder ii) sie hat die Haplotypen A1 B2 und A2 B1

162

4. Kopplungsanalysen

(s. Abb. 4.1.B). Oft l¨ asst sich, wie hier f¨ ur die Mutter, die Phase eines Elternteils mit Hilfe der Großeltern bestimmen. Auch homozygote Eltern erm¨oglichen unter Umst¨ anden die Festlegung der Phasen in ihren Nachkommen und damit die Beurteilung von Rekombinationsvorg¨angen im anderen Elternteil. Die Rekombinationsrate θ wird aus der Zahl der Rekombinanten, gemessen an der Gesamtzahl der gebildeten Gameten gesch¨atzt. Sie ist ein Maß f¨ ur den genetischen Abstand zwischen zwei Genorten. Liegen die Genorte auf zwei verschiedenen Chromosomen oder auf einem Chromosom weit auseinander, so besteht unabh¨ angige Segregation zwischen den Loci, und es gilt θ = 0,5. Besteht Kopplung, d.h. abh¨ angige Segregation zwischen den Genorten, so ist die Rekombinationsrate 0 ≤ θ < 0,5. Je n¨aher die Genorte beieinander liegen, umso unwahrscheinlicher wird eine Rekombination. Bei vollst¨andiger Kopplung, d.h. vollst¨ andiger Kosegregation, finden keine Rekombinationen statt, so dass θ = 0 gilt. Betrachten wir nun das einfache Mendelsche Modell f¨ ur zwei Loci, n¨amlich f¨ ur den disponierenden Locus D und den Markerlocus M , unter Ber¨ ucksichtigung der Rekombinationsrate. Es l¨ asst sich mit folgenden Parametern beschreiben (s. Abschnitt 1.2.3): Am disponierenden Locus D: Anzahl Allele n, Allele Dr , Allelh¨aufigkeiten ur r,s=1,. . . ,n. Diese Parameter p(Dr ), r=1,. . . ,n und Penetranzen frs f¨ beschreiben den Vererbungsmodus (”mode of inheritance”). Am Markerlocus M : Anzahl Allele m, Allele Mi , Allelh¨aufigkeiten p(Mi ), i=1,. . . ,m. Zwischen disponierendem Locus D und Markerlocus M : Die Korrelation zwischen Marker- und Krankheitsgenort zeigt sich bei Kopplungsanalysen durch die Rekombinationsrate θ in Familien. Der potentielle Nutzen eines Markers (ohne Ber¨ ucksichtigung des Krankheitsgenortes) ergibt sich aus seiner genetischen Variabilit¨at, d.h. aus der Allelanzahl und der Allelverteilung (und aus der guten Bestimmbarkeit der Allele im Labor). Da nur ein heterozygoter Elternteil informativ f¨ ur die Bestimmung der Rekombinationsrate zu seinen Nachkommen sein kann, stellt die Heterozygosit¨at H ein n¨ utzliches Maß der genetischen Variabilit¨at dar. F¨ ur Kopplungsanalysen wird im Allgemeinen der PIC (polymorphism information content) - Wert als Maß angegeben, das zus¨ atzlich den Partner einer Person mit ber¨ ucksichtigt (s. Abschnitt 2.2.2.1, Abb. 4.1). Haben n¨amlich beide Eltern den gleichen Genotyp, so l¨ asst sich die Rekombinationsrate der Nachkommen auch bei heterozygoten Elternteilen nicht bestimmen.

4.1

Einleitung

163

Beispiel: Kopplungsanalyse zum Brustkrebs (Hall et al. 1990) In Abschnitt 3.4.5 haben wir die komplexe Segregationsanalyse zum Brustkrebs von Mary-Claire King und Kollegen (Newman et al. 1988) behandelt. Dieselbe Gruppe hat 1990 eine Kopplungsanalyse durchgef¨ uhrt (Hall et al. 1990), die wesentlich zur Entdeckung des BRCA1-Gens als disponierendes Gen f¨ ur Brustkrebs beigetragen hat, da sie auf die Lokalisation der Genregion auf Chromosom 17q21 hinwies. F¨ ur diese Studie wurden 23 kaukasische Familien mit insgesamt 146 Brustkrebsf¨ allen rekrutiert. Diese Familien zeigten Charakteristiken eines famili¨ aren Brustkrebses, d.h. junges Alter bei Diagnose, h¨aufig beidseitiger Brustkrebs oder auch h¨ aufigeres Auftreten der Krankheit bei M¨annern. Der logistische Aufwand f¨ ur die Studie war groß, und schließlich konnten 329 Verwandte aus 40 Staaten der USA und aus Puerto Rico, Kanada, Großbritannien und Kolumbien mit in die Studie einbezogen werden. Bei Personen mit Brustoperationen wurde die Diagnose u ¨ ber die pathologischen Befunde, die Krankenhausakten und gegebenenfalls die Totenscheine verifiziert. Bei Personen ohne Brustoperationen wurde die Diagnose u ¨ber Selbstangabe, u ¨ber Totenscheine und u ¨ ber die Angabe von Verwandten verifiziert. Alle Personen mit Brustkrebs wurden als erkrankt betrachtet, alle Personen mit anderen Krebsdiagnosen, aber ohne Brustkrebs, als nicht erkrankt. Die Tabellen 3.5 (1579 Kernfamilien) und 3.6 (eine Hochrisikofamilie) zeigen die Ergebnisse der vorangegangenen komplexen Segregationsanalyse. Da in der vorliegenden Studie auch Hochrisikofamilien betrachtet wurden, sind vor allem die Ergebnisse aus Tabelle 3.6 (A, Modell 8) relevant. Die Autoren nahmen also zun¨ achst f¨ ur die Kopplungsanalyse an, dass das gesuchte disponierende Gen ein dominantes Hauptgen mit einer Allelh¨aufigkeit von p=0,0042 ist. Hall et al. (1990) betrachteten in ihrer Kopplungsanalyse Allelh¨aufigkeiten zwischen p=0,0042 und p=0,02, um die Robustheit der Kopplungsresultate gegen¨ uber dieser Sch¨ atzung der Allelh¨ aufigkeit untersuchen zu k¨onnen. Die Wichtigkeit eines solchen Vorgehens zeigt sich erst sp¨ater im Kapitel. Es wurden vier Marker untersucht, n¨ amlich die RFLP Marker D17S78, D17S41 und D17S40 und der VNTR Marker D17S74. Der VNTR Marker wies mit mehr als 30 Allelen die h¨ ochste Heterozygosit¨at auf, n¨amlich H=0,90. Damit steht das genetische Modell f¨ ur den disponierenden Locus D und die Marker M fest, und es muss nur noch die Rekombinationsrate bestimmt werden.

164

4. Kopplungsanalysen

4.1.2 Kartierungsfunktionen

Die Bestimmung von Position, Reihenfolge und Abstand von Markern und Genen auf den Chromosomen wird Kartierung genannt. Bei einer physikalischen Karte werden Abst¨ ande in Basenpaaranzahlen gemessen. Der genetische Abstand zweier Loci ist die erwartete Anzahl von Crossovern zwischen ihnen und wird in Morgan (M) und cM centiMorgan, benannt nach T.H. Morgan (1866-1945), gemessen. 1 Morgan entspricht einer erwarteten Anzahl von einem Crossover. Da dieser Abstand auf Erwartungswerten basiert, ist er additiv. Damit gilt d(A, C) = d(A, B) + d(B, C), wenn d jeweils den Abstand in cM zwischen zwei Markern bezeichnet und A, B und C drei Loci in dieser Reihenfolge sind. Die Gesamtl¨ ange f¨ ur das humane Genom betr¨agt ungef¨ ahr 38M, bei Frauen 46M und bei M¨ annern 28M. Die einzelnen Chromosomenl¨ angen bewegen sich ca. zwischen 0,7M und 3M, bei Frauen 0,8M – 3,6M und bei M¨annern 0,6M – 2,2M. Tabelle 4.1 (Kong et al. 2004) zeigt genetische und physikalische Chromosomenl¨ angen, die anhand der Genotypisierungen von u ber 10.000 SNPs in einer Referenz-Familienstichprobe gesch¨atzt ¨ wurden. Ein Teil dieser Stichprobe sind sogenannten CEPH Familien (des Centre d’Etude du Polymorphisme Humain, www.cephb.fr), die vielf¨altig als Referenz verwendet werden. Nach einem groben Richtwert entspricht ein cM bei kleinen Distanzen etwa einer Million Basenpaare. Zur genetischen Kartierung sch¨ atzt man Rekombinationsraten zwischen Loci. Betrachtet man mehrere Loci auf einem Chromosom, dann sind die Rekombinationsraten zwischen ihnen nicht additiv, da es Mehrfachcrossover geben kann. Es gibt verschiedene Kartierungsfunktionen, die Rekombinationsraten in additive genetische Distanzen umrechnen. Sie basieren auf unterschiedlichen Annahmen u uhren ¨ber das Verhalten von Mehrfachcrossovern und f¨ somit auch zu unterschiedlichen Ergebnissen (Felsenstein 1979). Die Kartierungsfunktion nach Morgan setzt voraus, dass keine Mehrfachcrossover vorkommen. Es gilt m = θ, wobei m den genetischen Abstand in centiMorgan (cM) bezeichnet. Die Kartierungsfunktion nach Haldane setzt statistische Unabh¨angigkeit und Poissonverteilung f¨ ur die Crossoverereignisse voraus. Aus der Rekombinationsrate berechnet man den genetischen Abstand m = −0, 5 ln (1 − 2θ) bzw. θ = −0, 5(1 − e−2|m| ). Bei der Kartierungsfunktion nach Kosambi wird angenommen, dass Doppelcrossover mit wachsendem physikalischen Abstand zweier Loci zuneh4m men. Es gilt: m = 0, 25 ln ( 1 + 2θ ) bzw. θ = 0, 5 e4m − 1 . 1 − 2θ e +1 Nach Morgan sind die Rekombinationsraten additiv, man kann sie also f¨ ur kleine physikalische Distanzen (θ ≤ 0,05) 1:1 in cM umwandeln.

4.1

Einleitung

165

F¨ ur gr¨ oßere Distanzen gilt eher die Kartierungsfunktion nach Kosambi (Ott 1999, S. 21). Tabelle 4.1. Genetische und physikalische L¨ angen der Chromosomen des Menschen,

bestimmt mittels Kosambi-Kartierungsfunktion anhand von u ¨ber 10.000 SNPs in einer Referenzstichprobe (nach Kong et al. 2004). Chromomsom

Physikalische L¨ ange (Mb)

Genetische L¨ ange (cM) Durchschnitt

Frauen

M¨ anner

1

245,13

286,5

358,0

221,7

2

243,16

263,3

338,6

191,6

3

198,96

225,1

282,3

170,2

4

191,51

212,2

273,2

154,7

5

180,32

208,2

264,9

155,5

6

169,96

192,2

247,6

140,9

7

158,06

189,0

237,8

142,2

8

145,70

173,3

220,2

132,3

9

135,81

168,7

198,4

141,1

10

134,60

173,5

216,5

133,2

11

134,08

163,8

205,3

124,3

12

131,43

174,2

213,8

137,2

13

94,45

128,9

157,0

102,5

14

85,13

123,8

146,7

101,8

15

79,69

130,2

157,1

106,5

16

89,51

134,2

159,5

110,9

17

81,18

137,5

164,6

113,0

18

75,33

124,2

148,3

102,3

19

62,78

112,2

126,3

99,3

20

61,38

102,5

125,3

82,1

21

33,22

68,5

80,5

58,4

22

33,11

86,1

93,4

79,4

X

152,27

Gesamt

2916,77

184,8 3577,8

4600,1

2801,1

166

4.2

4. Kopplungsanalysen

4.2 LOD-Score-Methode 4.2.1 Likelihood der Rekombinationsrate θ in Kernfamilien

Bevor wir die eigentliche LOD-Score-Methode (Morton 1955) einf¨ uhren, werden wir in diesem Abschnitt die Likelihood der Rekombinationsrate θ zwischen zwei kodominanten Loci mit vollst¨ andiger Penetranz (z.B. zwei MarkerLoci) f¨ ur die Meiosen eines Elternteils an seine Kinder, d.h. am Beispiel einer Geschwisterschaft, berechnen (s. Erl¨ auterung der Maximum-Likelihood(ML)Methode, Abschnitt 1.4.1). In Abschnitt 4.2.2 werden wir den LOD-Score einf¨ uhren und an einigen Beispielen zeigen, wie dieser in Kernfamilien berechnet wird. In Abschnitt 4.2.3 erl¨ autern wir den Elston-Stuart-Algorithmus zur Berechnung der Likelihood L(θ) in großen Stammb¨aumen, um LOD-Scores in Familienstichproben zu berechnen. Nach diesen Vorarbeiten f¨ uhren wir in Abschnitt 4.2.4 die LOD-Score-Methode ein. 4.2.1.1 Phase bekannt

Abb. 4.1.A zeigt eine Familie mit doppelt heterozygoter Mutter mit bekannter Phase. Der Vater ist doppelt homozygot und damit nicht informativ f¨ ur Kopplung. Eine solche Paarung nennt man backcross. Die Großeltern m¨ utterlicherseits erm¨ oglichen die Bestimmung der Phase der Mutter mit den Haplotypen A1 B1 und A2 B2 . Die genaue Kinderzahl ist nicht angegeben, da wir eine allgemeine Formel f¨ ur die Likelihood L(θ) einer Geschwisterschaft mit einem informativen Elternteil mit bekannter Phase geben wollen. Es gibt nx Kinder mit nicht rekombinanten Meiosen, also entweder Haplotyp A1 B1 oder A2 B2 , sowie ny Kinder mit rekombinanten Meiosen, also A1 B2 oder A2 B1 . Vom Vater wurde jeweils der Haplotyp A1 B1 vererbt. Die Likelihoodfunktion ist (s. Gl. 1.5) 
nx + ny (1 − θ)nx θny (4.1) L(θ) = ny wobei nx =R=Anzahl nicht rekombinanter Meiosen und ny =R=Anzahl rekombinanter Meiosen ist. Der ML-Sch¨ atzer f¨ ur θ ist der Anteil der rekombinanten Meiosen ny bezogen auf alle Meiosen nx + ny (s. Abschnitt 1.4.1, Gl. 1.6). 4.2.1.2 Phase unbekannt

Wir betrachten weiterhin Abb. 4.1, nehmen jetzt aber an, dass die Großeltern m¨ utterlicherseits nicht verf¨ ugbar und somit die Genotypen der Großeltern unbekannt sind. Damit ist auch die Phase der Mutter unbekannt. Es gibt zwei M¨ oglichkeiten: Die Haplotypen der Mutter sind A1 B1 und A2 B2 (Phase I, Abb. 4.1.A) oder A1 B2 und A2 B1 (Phase II, Abb. 4.1.B).

4.2

LOD-Score-Methode

Gl. 4.1 zeigt die Likelihood f¨ ur Phase I und Gl. 4.2 f¨ ur Phase II:
 nx + ny L(θ) = (1 − θ)ny θnx nx

167

(4.2)

wobei jetzt nx =R und ny =R ist. In Phase II sind also Meiosen rekombinant, die in Phase I nicht rekombinant sind, und umgekehrt. Um die vollst¨andige Likelihood zu erhalten, wenden wir den Satz von der totalen Wahrscheinlichur das Auftreten von keit (s. Gl. 1.1) an, wobei PI die Wahrscheinlichkeit f¨ ur Phase II bezeichnen. Phase I und PII die f¨

  nx + ny nx + ny nx ny L(θ) = (4.3) PI (1 − θ) θ + PII (1 − θ)ny θnx ny nx Die beiden Binomialkoeffizienten sind identisch. Man nimmt im Allgemeinen an, dass beide Phasen gleich wahrscheinlich sind, also PI = PII = 0, 5. Dies ist erf¨ ullt, wenn Kopplungsgleichgewicht vorliegt, d.h. f¨ ur alle Allelkombinationen i,j gilt P (Ai Bj ) = P (Ai )P (Bj ). Auf die Untersuchung des Kopplungs(un-)gleichgewichts soll hier nicht n¨aher eingegangen werden (s. Abschnitt 2.3 und Kapitel 5). Kopplungsanalysen setzen also in der Regel Kopplungsgleichgewicht voraus, wenn die Phase nicht eindeutig bestimmt werden kann. Dies gilt f¨ ur alle in Kapitel 4 behandelten Verfahren. Aus Gleichung 4.3 ergibt sich die Likelihoodfunktion f¨ ur eine Geschwisterschaft bei unbekannter Phase zu:  
1 1 nx + ny (1 − θ)nx θny + (1 − θ)ny θnx (4.4) L(θ) = ny 2 2 Man beachte, dass wegen der Phasenunsicherheit jetzt nx und ny nicht mehr eindeutig als Anzahlen rekombinanter oder nicht rekombinanter Meiosen zugeordnet werden k¨ onnen. W¨aren nun auch die Meiosen des Vaters informativ f¨ ur Kopplung, so kann Gl. 4.4 ebenfalls verwendet werden, da in der Geschwisterschaft die rekombinanten und nicht rekombinanten Meiosen insgesamt bestimmt werden, ohne zu unterscheiden, ob diese Meiosen v¨ aterlicherseits (f=father) oder m¨ utterlicherseits (m=mother) sind. Wird jedoch beispielsweise ein Imprinting-Effekt vermutet, so muss man die Herkunft der Meiosen unterscheiden, indem L(θm , origen ML-Sch¨ atzer f¨ ur θm und θf bestimmt werden. Dies ist θf ) und die zugeh¨ insbesondere deswegen wichtig, da Rekombinationsraten zwischen M¨annern und Frauen sehr unterschiedlich sind (s. Tab. 4.1). Khoury et al. (1993, S. ur die Nullhypothese θ = θm = θf an, weisen aber 292) geben einen χ2 -Test f¨ auch darauf hin, dass die Power, einen Unterschied in den Rekombinationsraten aufzudecken, relativ niedrig ist.

168

4. Kopplungsanalysen

4.2.2 LOD-Score-Berechnung in Kernfamilien

Der LOD-Score ist definiert als Logarithmus zur Basis 10 der Odds (Chance) der Likelihood L(θ) unter θ, verglichen mit der Likelihood L(0,5) unter keiner Kopplung, d.h. θ=0,5: LOD (θ) = log10

L (θ) L (0, 5)

.

(4.5)

Die LOD-Score-Funktion ist eine monotone Funktion der Likelihoodfunktion L(θ) mit konstantem L(0,5). Damit nehmen beide Funktionen ihr Maximum f¨ ur denselben Wert der Rekombinationsrate θ an, n¨amlich f¨ ur den ˆ ML-Sch¨ atzer θ. Bei der LOD-Score-Methode, die wir weiter unten einf¨ uhren, wird die LOD-Score-Funktion maximiert; den Wert der Funktion an dieser Stelle nennt man Maximum LOD-Score oder manchmal auch kurz Z-Score: ˆ max LOD(θ) = Z(θ)

(4.6)

ˆ Score zwischen einem KrankWir werden nun θˆ und den dazugeh¨ origen Z(θ) heitsgen D und einem Markerlocus M in mehreren Stammb¨aumen berechnen. Dabei nehmen wir ein autosomal dominantes Gen mit vollst¨andiger Penetranz und sehr seltenem disponierenden Allel D an. Nicht erkrankte Personen tragen den Genotyp dd, bei Erkrankten wird der Genotyp DD vernachl¨assigt, so dass wir den Genotyp Dd annehmen. Somit l¨asst der Krankheitsstatus den R¨ uckschluss auf den Genotyp am Krankheitsgen D eindeutig zu. Wir nehmen an, dass der Marker M in der betrachteten Familie drei Allele M1 , M2 und M3 hat. 4.2.2.1 Phase bekannt

Zun¨ achst betrachten wir den Stammbaum in Abb. 4.2. Die Mutter ist nicht informativ. Die Phase des Vaters ergibt sich durch die Großeltern. Alle Kinder zeigen v¨ aterlicherseits nicht rekombinante Meiosen. Mit Gl. 4.1 l¨ asst sich die LOD-Score-Funktion wie folgt berechnen: LOD(θ) = log10

L(θ) (1 − θ)5 = log10 L(0, 5) (0, 5)5 = 5 log10 (1 − θ) + 5 log10 2

(4.7)

= 5 log10 (1 − θ) + C wobei C eine Konstante bezeichnet, die nicht von θ abh¨angt. Konstanten sind zur Bestimmung des ML-Sch¨ atzers θˆ nicht notwendig und werden bei der Likelihood h¨aufig weggelassen. Abb. 4.4 zeigt die LOD-Score-Funktion in Abh¨angigkeit von θ. Da der Logarithmus eine monotone Funktion ist, erkennt man sofort das Maximum bei

4.2

LOD-Score-Methode

D d M1M1

d d M2M3

D d M1 M2

D d M1 M 3

D d M1 M 3

169

d d M3M3

d d M2 M3

d d M2 M3

D d M1 M3

Abbildung 4.2. Stammbaum mit

bekannter Phase, ohne Rekombination.

ˆ = 1, 5 ergibt sich durch Einsetzen von θˆ = 0. Der Maximum-LOD-Score Z(θ) ˆ θ = 0 in Gl. 4.7.

D d M1 M1

d d M2 M3

D d M1 M2

D d M1 M 3

D d M1 M 3

d d M3 M3

d d M2 M3

d d M2 M3

D d M2 M3

Abbildung 4.3. Stammbaum mit bekannter Phase, mit 1 Rekombination.

Der Stammbaum in Abb. 4.3 unterscheidet sich von dem in Abb. 4.2 durch eine rekombinante Meiose. Die LOD-Score-Funktion ist gegeben durch: LOD(θ) = log10

L(θ) 5θ(1 − θ)4 = log10 L(0, 5) 5(0, 5)5 = log10 θ + 4 log10 (1 − θ) + 5 log10 2

Den ML-Sch¨ atzer f¨ ur θˆ erh¨ alt man durch Gleichsetzung der ersten Ableitung des LOD-Scores mit 0. d LOD(θ) 1 1 = −4 = 0 ⇒ θˆ = 0, 2 dθ θ 1−θ θˆ ist der Quotient aus Anzahl rekombinanter durch Gesamtzahl aller Meiosen (s. Gl. 1.6) und ist wegen der beobachteten Rekombination nicht 0. Der Wert ˆ = LOD(0, 2) = 0, 42 ist niedriger als im des Maximum-LOD-Scores Z(θ) ersten Beispiel ohne Rekombination (s. Abb. 4.4), da der LOD-Score die

170

4. Kopplungsanalysen

Likelihood f¨ ur die beobachteten Meiosen unter θ im Vergleich zur Nullhypothese θ=0,5 beschreibt. Die eine rekombinante Meiose f¨ uhrt dazu, dass die Wahrscheinlichkeit f¨ ur Kopplung gegen¨ uber keiner Kopplung nicht mehr so groß ausf¨ allt wie im Beispiel ohne Rekombination. LOD T 2,0

1,5

ohne Rekombination

1,0

0,5

1 Rekombination

Abbildung 4.4.

LOD-Score-Funktionen in 0,0 0,1

0,2

0,3

0,4

0,5

Abh¨ angigkeit von θ f¨ ur Stammb¨ aume mit bekannter Phase der Abb. 4.2 (ohne

-0,5

T

Rekombination) und Abb. 4.3 (1 Rekombination).

4.2.2.2 Phase unbekannt

Wir untersuchen nun, wie sich der LOD-Score verh¨alt, wenn weniger Genotypisierungsinformationen vorliegen. Die Großeltern v¨aterlicherseits sind nicht typisiert, somit fehlt Phaseninformation f¨ ur den Vater. In Abb. 4.5 sei zun¨ achst der Vater typisiert. LOD(θ) ergibt sich wie folgt: L(θ) 0, 5θ5 + 0, 5(1 − θ) = log10 L(0, 5) (0, 5)5 5 5 = log10 (θ + (1 − θ )) + 4 log10 2

5

LOD(θ) = log10

Die LOD-Score-Funktion ist maximal f¨ ur θˆ = 0, θˆ = 1. Da θˆ = 1 nicht ˆ = 1, 2. im erlaubten Parameterbereich f¨ ur θ liegt, ist θˆ = 0 und somit Z(θ) Durch die fehlende Phaseninformation ist der ML-Sch¨atzer f¨ ur θ im Vergleich zu Abb. 4.2 gleichgeblieben, der Maximum-LOD-Score um -log10 (0,5) = 0,3 gesunken. In Abb. 4.5 nehmen wir nun weiter an, dass der Vater nicht typisiert wurde. Da die Mutter den Markergenotyp M2 M2 hat und die Kinder M1 M2 zeigen, hat der Vater mindestens ein M1 -Allel, also entweder den Genotyp M1 M1 oder M1 Mx , wobei Mx alle Allele außer M1 bezeichnet. Hat der Vater den

4.2

LOD-Score-Methode

D d

d d

D d M1 M2

D d M1 M 2

171

D d M1 M 2

d d M2 M2

D d M1 M2

D d M1 M2

D d M1 M2

Abbildung 4.5. Stammbaum mit unbekannter Phase, keine Rekombination.

Genotyp M1 Mx , so gilt L (θ|M1 Mx ) =

1 5 1 5 θ + (1 − θ) 2 2

Hat der Vater M1 M1 , so sind Rekombinationen beim Vater nicht beobachtbar, damit gilt f¨ ur jeden Wert von θ: L (θ|M1 M1 ) = 1. Wir setzen nun - wie allgemein bei Kopplungsanalysen u ¨ blich - voraus, dass das Hardy-Weinberg-Gleichgewicht (s. Abschnitt 2.2.2) gilt. Mit Hilfe des Satzes von der totalen Wahrscheinlichkeit (s. Gl. 1.1) ergibt sich aus den beiden M¨ oglichkeiten f¨ ur den Genotyp des Vaters der LOD-Score zu: L(θ) LOD(θ) = log10 L(0, 5) pM1 2 2pM1 pMx 1 1 1+ ( θ5 + (1 − θ)5 ) 2 2 p + 2pM1 pMx pM1 + 2pM1 pMx 2 2 = log10 M1 pM1 2 2pM1 pMx 1+ (0, 5)5 pM1 2 + 2pM1 pMx pM1 2 + 2pM1 pMx = log10

pM1 2 + 2pM1 pMx ( 12 θ5 + 12 (1 − θ)5 ) pM1 2 + 2pM1 pMx (0, 5)5

Entsprechend den Regeln f¨ ur bedingte Wahrscheinlichkeiten wird die Likeur die m¨ oglichen Genotypen des Vaters lihood auf p2M1 + 2pM1 pMx = 1 f¨ normiert. Dies k¨ urzt sich jedoch bei der LOD-Score-Funktion heraus. Der ML-Sch¨ atzer ist θˆ = 0. F¨ ur die Berechnungen nehmen wir nun weiter ur P (M1 ) = 0, 2 gilt einen biallelischen Marker mit P (Mx ) = 1 − P (M1 ) an. F¨ ˆ = 1, 198. Das Ergebnis bei typisiertem ˆ = 0, 6, f¨ Z(θ) ur P (M1 ) = 0, 001 Z(θ) ˆ = 1, 2, also fast identisch wie hier, da bei heterozygoten Vater war Z(θ) seltenem Allel ein homozygoter Vater sehr unwahrscheinlich ist.

172

4. Kopplungsanalysen

LOD T 2,0

unbekannte Phase 1,5 P(M1) = 0,001

1,0

P(M1) = 0,2

0,5

0 0

0,1

0,2

0,3

0,4

0,5

T

Abbildung 4.6. LOD-Score-Funktionen in Abh¨ angigkeit von θ f¨ ur den Stammbaum in

Abb. 4.5 (unbekannte Phase, nicht-typisierter Vater) f¨ ur P (M1 ) = 0, 2 und P (M1 ) = 0, 001.

Abb. 4.6 zeigt die LOD-Score-Funktion f¨ ur die oben genannten beiden Allelh¨ aufigkeiten. Sie h¨ angt also bei einem nicht-typisierten Elternteil von der Markerallelh¨ aufigkeit ab. Je seltener M1 ist, umso gr¨oßer ist die Wahrscheinlichkeit, dass nicht rekombinante Meiosen vorliegen. Die Allelh¨aufigkeiten werden h¨ aufig aus der Familienstichprobe gesch¨atzt, falls essentielle Personen nicht genotypisiert sind. Bei hinreichend großer Stichprobe, ist dies in der Regel valider als Angaben zu Allelh¨ aufigkeiten aus der Literatur, die sich h¨ aufig auf andere Populationen beziehen oder nur anhand weniger Personen gesch¨ atzt wurden. Die Sch¨ atzung der Allelh¨ aufigkeiten muss die Abh¨angigkeiten der Familienangeh¨ origen ber¨ ucksichtigen, d.h. sie beruht entweder nur auf den Gr¨ undern, oder die Sch¨ atzungen sind komplizierter (Boehnke 1991). Als Sensitivit¨ atsanalyse wird manchmal eine zus¨atzliche LOD-Score-Analyse unter der Annahme gleicher Allelh¨ aufigkeiten f¨ ur alle Markerallele durchgef¨ uhrt; damit werden seltene Varianten als h¨aufiger angenommen. Zeigen sich die Resultate qualitativ vergleichbar, wird dies als robustes Kopplungssignal gewertet. 4.2.3 LOD-Score-Berechnung in allgemeinen Familien

Die Berechnung der Likelihoodfunktion in großen Stammb¨aumen (ohne Schleifen) beruht auf dem Elston-Stuart-Algorithmus, den wir f¨ ur Segregationsanalysen bereits in Abschnitt 3.4.7 kennengelernt haben. aume) bezeichne die Likelihood der beobachteL(θ) = P(Y|M0 , θ, Stammb¨ ten Ph¨ anotypen Y =(YD ,YM ) am Krankheitslocus D (YD =zu untersuchender Ph¨ anotyp) und am Markerlocus M (YM =beobachtete Markergenotypen), bedingt auf ein genetisches Modell M0 , auf die Stammbaumstruktur und auf

4.2

LOD-Score-Methode

173

die Rekombinationsrate θ zwischen D und M . M0 hat zwei Komponenten, n¨amlich die Segregationsparameter f¨ ur den Krankheitslocus D (Allelh¨aufigkeiten, Penetranzen), die bereits aus vorhergehenden Segregationsanalysen bekannt sind oder als bekannt angenommen werden m¨ ussen, und die Allelh¨ aufigkeiten f¨ ur den Markerlocus M , die in der Regel aus den Daten gesch¨ atzt werden sollten. Damit entspricht M0 dem Zwei-Locus-Modell (s. Abschnitt 4.1.1) ohne Ber¨ ucksichtigung der Rekombination. Die Likelihood L(θ) kann nun durch Summation u ¨ ber alle m¨oglichen genotypischen Konstellationen gi , i=1,. . . ,n, berechnet werden, wobei n die Anzahl der Individuen im Stammbaum bezeichnet. Es sind alle Kombinationen der Genotypen zu ber¨ ucksichtigen, die mit den beobachteten Ph¨anotypdaten, den beobachteten Markerdaten und dem gegebenen genetischen Modell kompatibel sind. Die betrachteten Genotypen sind jetzt Multilocus-Genotypen f¨ ur die beiden Loci D und M ; bei der Segregationsanalyse wurden nur die Genotypen f¨ ur D betrachtet. Die Rekombinationsrate θ spielt durch die Bildung neuer Haplotypen eine Rolle bei der Vererbung der Multilocus-Genotypen von Eltern auf Kinder. Da alle anderen Parameter des Zwei-Locus-Modells als Input-Parameter in das Modell eingegeben werden, wird nur die Rekombinationsrate θ gesch¨ atzt. Wie bei der Segregationsanalyse wird vorausgesetzt, dass der Ph¨ anotyp einer Person nur von dem Genotyp am Krankheitslocus D dieser Person abh¨ angt, jedoch nicht von den Genotypen anderer Personen im Stammbaum oder vom Genotyp am Markerlocus. Der Elston-Stuart-Algorithmus (Elston und Stuart 1971) f¨ ur Kopplungsanalysen ist die folgende rekursive Formel zur Berechnung der Likelihood L: L(θ) =

 g1

g2

···

n  gn j=1

f (gj )

n1  k=1

p(gk )

n2 

t (gm |gm1 , gm2 , θ)

(4.8)

m=1

Hierbei sei n die Anzahl der Personen im Stammbaum, n1 die Anzahl der under. Es gilt n = n1 + n2 . gi , i=1,. . . ,n, beGr¨ under und n2 der Nicht-Gr¨ zeichnet den Multilocus-Genotyp der i−ten Person des Stammbaums, gm1 und gm2 sind die Multilocus-Genotypen der Eltern der Person m, m=1,. . . ,n2 . Die Parameter des genetischen Modells f¨ ur die beiden Loci k¨onnen wie bei der Segregationsanalyse in drei Parametergruppen eingeteilt werden: Populationsparameter: Die Multilocus-Genotypverteilung der Gr¨ under, p(gk ), k=1,. . . ,n1 , wird durch die Genotypverteilung der Population bestimmt. Hierbei wird oft die Gesamtzahl der Parameter reduziert, indem das Hardy-Weinberg-Gleichgewicht vorausgesetzt und somit das jeweilige Produkt der Allelwahrscheinlichkeiten gebildet wird. Transmissionsparameter: Die Genotypverteilung der Nicht-Gr¨ under wird durch Transmissionsparameter und elterliche Genotypen bestimmt. Nur

174

4. Kopplungsanalysen

dieser Parametersatz h¨ angt von der Rekombinationsrate θ zwischen D und ur den Multi-LocusM ab. t(gm |gm1 , gm2, θ) ist die Wahrscheinlichkeit f¨ Genotyp des Kindes, wenn die Genotypen der Eltern gegeben sind. Penetranzparameter: Die Penetranzen f (gj ), j=1,. . . ,n, parametrisieren die Genotyp-Ph¨ anotyp-Beziehung am Krankheitslocus D f¨ ur jedes Individuum j. Wie oben erw¨ ahnt wird angenommen, dass der Ph¨anotyp einer Person nur von seinem eigenen Genotyp am Krankheitslocus D abh¨angt. Der Elston-Stuart-Algorithmus funktioniert gut f¨ ur einfache Stammb¨aume beliebiger Gr¨ oße und wenige Marker. Berechnungen in komplexen Stammb¨aumen sind h¨ aufig nur mit approximativen Methoden, z.B. Markov-ChainMonte-Carlo-(MCMC-)Verfahren m¨ oglich. Die Komplexit¨at des Algorithmus w¨ achst linear mit der Zahl der Individuen im Stammbaum und exponentiell mit der Zahl der betrachteten Marker. Wir werden sp¨ater (s. Exkurs 4) einen Algorithmus kennenlernen, der bei vielen Markerloci verwendet wird. Der Logarithmus l(θ) der Gesamtlikelihood L(θ), also l(θ)=log L(θ), einer beliebigen Stichprobe aus nF Familien ergibt sich aus der Summe der Logarithmen li (θ) der einzelnen Likelihoods Li (θ) (s. Abschnitt 3.4.7), denn die einzelnen Stammb¨ aume sind statistisch unabh¨ angig. l(θ) =

nF 

li (θ)

i=1

Abb. 4.7 zeigt stark vereinfacht verschiedene Formen der LOD-ScoreFunktion. Bei einem typischen Funktionsverlauf f¨ ur starke Kopplung ist die Likelihood unter θ=0 deutlich h¨ oher als unter θ=0,5. Der LOD-Score nimmt f¨ ur θ=0 sehr hohe Werte an und f¨ allt dann langsam monoton zu Z(0,5)=0 ab. Liegt keine Kopplung vor, ist der LOD-Score maximal f¨ ur θ=0,5 und nimmt dort den Wert Z(0,5)=0 an. Je deutlicher die Likelihood unter θ=0,5 gr¨oßer ist als f¨ ur andere Rekombinationsraten, umso niedriger wird der LOD-Score. Die LOD-Score-Funktion nimmt monoton in Richtung θ=0 zu stark negativen Werten ab. Liegt schwache Kopplung vor, so nimmt die LOD-Score-Funktion ein positives Maximum im Wertebereich von 0< θ < 0, 5 an. Beispiel: Kopplungsanalyse zum Brustkrebs (Hall et al. 1990) Tabelle 4.2 und Abb. 4.8 zeigen die Zwei-Punkt-Kopplungsanalyse f¨ ur Brustkrebs aller 23 Familien f¨ ur den Marker D17S74 (Hall et al. 1990). Die 23 Familien sind nach dem mittleren Alter A bei Diagnose der Personen mit Brustkrebs sortiert. Tabelle 4.2 zeigt die LOD-Scores f¨ ur verschiedene Rekombinationsraten. Da sich LOD-Scores summieren lassen, k¨onnen mit Hilfe einer solchen Tabelle auch Ergebnisse mehrerer Studien zusammengefasst

4.2

LOD-Score-Methode

175

LOD T 10

starke Kopplung

5 schwache Kopplung 0 keine Kopplung -5

-10

Abbildung 4.7. -15 0

0,1

0,2

0,3

0,4

0,5

T

LOD-Score-Funktion bei starker (schwarz), schwacher (grau) und keiner Kopplung (gestrichelt).

Z kum AT= 0,001

werden. Abb. 4.8 zeigt die kumulativen LOD-Scores f¨ ur festes θ=0,001 f¨ ur alle Familien mit mittlerem Alter A oder j¨ unger Zkum (A, θ = 0, 001).

6 4 2 0

30

40

50

60

-2

Abbildung 4.8. Kopplungsanalyse von 23 Familien mit Brustkrebs (nach Abb. 3,

-4

Hall et al. 1990). Kumulative LOD-Scores

-6

f¨ ur festes θ=0,001 f¨ ur alle Familien mit mittlerem Alter A oder j¨ unger

mittleres Alter bei Diagnose A (Jahre)

Zkum (A, θ = 0, 001).

4.2.4 LOD-Score-Methode 4.2.4.1 Sequentielle LOD-Score-Methode mit einfacher Alternative

Urspr¨ unglich hatten Haldane und Smith (1947) das Verh¨altnis der Likelihoods L(θ)/L(0,5) eingef¨ uhrt. Barnard (1949) verwendete den LOD-Score, um Werte f¨ ur verschiedene Familien aufzusummieren. Morton (1955) setzte ihn in den Kontext des sequentiellen Testverfahrens von Wald (1947). Hier werden nacheinander Familien rekrutiert und nach jeder neuen Familie ein Test auf der Basis aller bisher verf¨ ugbaren Familien durchgef¨ uhrt.

176

4. Kopplungsanalysen

Tabelle 4.2. Kopplungsanalyse von 23 Familien mit Brustkrebs (nach Tab.1, Hall et al.

1990). LOD-Score f¨ ur Kopplung zwischen Brustkrebs und D17S74. A = mittleres Alter bei Diagnose, θ = Rekombinationsrate. Familie

θ

A 0,001

0,10

0,20

0,30

0,40

1

32,7

+2,36

+1,89

+1,38

+0,82

+0,28

2

37,2

+0,50

+0,35

+0,21

+0,09

+0,02

3

37,3

+0,40

+0,29

+0,19

+0,09

+0,03

4

39,8

+1,14

+0,91

+0,64

+0,35

+0,11

5

42,6

−0,50

−0,25

−0,08

0,00

+0,03

6

44,2

+1,38

+1,06

+0,73

+0,41

+0,14

7

45,4

+0,70

+0,58

+0,40

+0,21

+0,05

8

47,0

0,00

+0,02

+0,02

+0,01

0,00

9

47,4

−0,31

+0,03

+0,06

+0,04

+0,01

10

47,6

−0,04

−0,06

−0,08

−0,08

−0,05

11

49,3

−1,51

−0,41

−0,13

−0,03

0,00

12

50,2

−0,06

−0,03

−0,02

−0,01

0,00

13

50,4

−0,41

−0,09

−0,02

−0,03

−0,04

14

51,4

−0,65

−0,18

+0,01

+0,06

+0,04

15

51,8

−0,35

−0,08

−0,02

−0,01

0,00

16

52,0

−2,71

−0,56

−0,20

−0,07

−0,02

17

53,5

−0,13

+0,04

+0,07

+0,05

+0,01

18

53,6

−0,75

−0,38

−0,18

−0,07

−0,02

19

55,8

−2,56

−0,93

−0,45

−0,20

−0,05

20

56,4

−1,71

−1,01

−0,56

−0,28

−0,11

21

58,7

+0,65

+0,50

+0,34

+0,18

+0,05

22

59,4

−0,85

−0,13

+0,04

+0,05

+0,02

23

63,3

−0,07

−0,02

0,00

0,00

0,00

Im Original-Testverfahren von Morton (1955) sind die Nullhypothese und die Alternative
 1 1 H1 : θ = θ1 mit θ1 < H0 : θ = , . 2 2 Bei dem sequentiellen Verfahren sind im Gegensatz zu normalen, nicht-sequentiellen Testverfahren drei Testentscheidungen m¨oglich. Morton w¨ahlte die kritischen Grenzen f¨ ur die einzelnen Sequentialtests so, dass das Verfahren insgesamt die Fehler 1. und 2. Art α=0,001 und β=0,01 (s. Tab. 1.9) einh¨alt. Es ergeben sich folgende Testentscheidungen und kritische Grenzen f¨ ur das Verh¨ altnis der Likelihoods L(θ)/L(0,5) bzw. den LOD-Score:

4.2

LOD-Score-Methode

177

ˆ ≥ 3 wird f¨ F¨ ur Z(θ) ur Kopplung, also f¨ ur H1 , entschieden, und H0 wird ˆ = 3 entspricht der oberen kritischen Grenze A beim Waldverworfen. Z(θ) Test. (∼ = bedeutet ”definiert als”) A∼ =

0, 99 1−β α = 0, 001 ≈ 1000;

log10 1000 = 3

ˆ ≤ −2 wird gegen Kopplung entschieden, also H0 nicht verworF¨ ur Z(θ) ˆ = −2 entspricht der unteren kritischen fen, sondern angenommen. Z(θ) Grenze B beim Wald Test. 0, 01 β B∼ = 1 − α = 0, 999 ≈ 0, 01;

log10 0, 01 = −2

Im Unterschied zu normalen Tests kann man hier H0 als richtig annehmen und nicht nur nicht verwerfen. Mortons LOD-Score-Methode kann also f¨ ur Kopplungs-Ausschluss (exclusion mapping) verwendet werden. ˆ < 3, wenn also das Verh¨ F¨ ur −2 < Z(θ) altnis der Likelihoods zwischen den Grenzen B und A bleibt, f¨ allt keine Testentscheidung, sondern es sollten weitere Familien rekrutiert werden. Mit der Wahl der Fehler 1. und 2. Art α=0,001 und β=0,01 erreichte Morton, dass die a posteriori Wahrscheinlichkeit f¨ ur Kopplung mit 96% sehr hoch ist, obwohl die a priori Wahrscheinlichkeit f¨ ur die Kopplung zwischen 2 Loci niedrig ist. Die a posteriori Wahrscheinlichkeit f¨ ur Kopplung ergibt sich aus der Formel von Bayes (s. Abschnitt 1.2.4, Gl. 1.3) P (H1 |Z ≥ 3) =

P (Z ≥ 3|H1 )P (H1 ) P (Z ≥ 3|H1 )P (H1 ) + P (Z ≥ 3|H0 )P (H0 )

(4.9)

wobei α = P (Z ≥ 3|H0 ) den Fehler 1. Art und 1−β = P (Z ≥ 3|H1 ) die Power angibt. Zur Berechnung von Gl. 4.9 fehlt noch die a priori Wahrscheinlichkeit f¨ ur zwei Loci f¨ ur Kopplung, P (H1 ), also die Wahrscheinlichkeit, dass zwei Loci gekoppelt sind, ohne dass ein Test durchgef¨ uhrt wurde. Dies entspricht z.B. der Berechnung des positiven pr¨ adiktiven Werts eines diagnostischen Tests aus Sensitivit¨ at und Spezifit¨ at sowie der Krankheitspr¨avalenz. Zur Festlegung von P (H1 ) machte Morton (1955) die Annahmen, dass es genau einen Krankheitslocus gibt, dass Marker und Genloci gleichm¨aßig auf dem Genom verteilt sind und dass die beiden Loci unabh¨angig voneinander auf dem Genom platziert werden. Außerdem setzte er f¨ ur die oben aufgelisteten Grenzen voraus, dass es sich um Autosomen handelt. Ein erster naiver Sch¨ atzer ist P (H1 ) = 1/22 ≈ 0,05. Mit diesem Sch¨atzer ergibt sich durch einsetzen in Gl. 4.9 P (H1 |Z ≥ 3) = 0,98. Die a priori Wahrscheinlichkeit kann aber noch verfeinert werden, da auch auf denselben

178

4. Kopplungsanalysen

Chromosomen sehr weit auseinander liegende Loci keine Kopplung zeigen. Nach Wilson (1996) l¨ asst sich die Wahrscheinlichkeit, dass zwei Loci innerhalb von c centiMorgan gelegen sind, wie folgt approximieren: P (H1 ) =

2c(L − cn) + c(c − 1)n ≈ 0, 026 L2

(4.10)

wobei c = 115 mit Kosambis Kartierungsfunktion (s. Abschnitt 4.1.2) θ = 0,49 entspricht, n = 22 die Anzahl der (autosomalen) Chromosomen bezeichnet und L = 3676, 5 sich aus Tab. 4.1 (Kong et al. 2004) ergibt. Mit Gl. 4.9 ist nun die a posteriori Wahrscheinlichkeit f¨ ur Kopplung P (H1 |Z ≥ 3) =

0, 99 · 0, 026 = 0, 96 0, 99 · 0, 026 + 0, 001 · 0, 974

(4.11)

Die niedrige a priori Wahrscheinlichkeit f¨ ur Kopplung P (H1 ) ist der Grund f¨ ur das niedrig angesetzte Signifikanzniveau α=0,001. Die Forderung einer hohen a posteriori Wahrscheinlichkeit f¨ ur Kopplung verhindert, dass Forschungsressourcen zur weiteren Suche des Krankheitsgens in chromosomale Regionen investiert werden, die sich als falsch positiv herausstellen. Manchmal wird bei einem LOD-Score von 3 die odds in favor of linkage, also die Chance f¨ ur Kopplung gegen¨ uber keiner Kopplung, mit 1000:1 angegeben. Dies bedeutet, dass die beobachteten Daten der Stichprobe unter der Alternative eine 1000fach h¨ ohere Wahrscheinlichkeit hatten als unter der Nullhypothese. Man darf dies jedoch nicht mit dem Signifikanzniveau α verwechseln, das die Wahrscheinlichkeit f¨ ur falsch positive Berichte f¨ ur Kopplung darstellt. Bei der LOD-Score-Analyse bzgl. Loci auf dem Geschlechtschromosom sind einige Besonderheiten zu beachten, da Rekombinationen außer in der pseudoautosomalen Region nur bei Frauen auftreten (s. Abschnitte 1.1.1.1, 1.1.2.2). Gibt es klare Anzeichen f¨ ur einen Erbgang auf dem Geschlechtschromosom, so kann die a priori Wahrscheinlichkeit f¨ ur Kopplung zwischen disponierendem Locus und Marker deutlich h¨ oher und die Grenze f¨ ur Kopplung niedriger angesetzt werden. Sie wird bei X-chromosomalem Erbgang u ¨blicherweise bei Z ≥ 2 angesetzt, ohne dass dies statistisch explizit begr¨ undet wird. Ist f¨ ur eine Krankheit bekannt, dass ein X-chromosomaler Erbgang vorliegt, so w¨are die nach der obigen Herleitung korrekte Grenze Z ≥ 1, 2. 4.2.4.2 LOD-Score-Methode mit zusammengesetzter Alternative

In Kopplungsstudien wird im Allgemeinen kein Sequentialverfahren mehr durchgef¨ uhrt. Man betrachtet auch mit der Nullhypothese θ=0,5 keine EinPunkt-Alternative, sondern statt einer einzelnen Rekombinationsrate θ1 alle m¨ oglichen Rekombinationsraten θ < 0,5 f¨ ur Kopplung. Die Rekombinations-

4.2

LOD-Score-Methode

179

rate wird mittels des ML-Sch¨ atzers θˆ gesch¨ atzt. H0 : θ =

1 , 2

H1 : θ
0,5 unzul¨ assig sind. 4,6·Z(θ) gemischten Verteilung, die zu 50% aus der Punktmasse 0 besteht (P(0)=0,5), da f¨ ur θ=0,5 LOD(θ)=0 gilt. Die anderen 50% sind χ2 -verteilt mit 1 FG. Der Grenzwert Z = 3 entspricht dem Wert 4,6 · 3 = 13,8 der χ2 -Verteilung, also P(χ2 (1FG) > 13,8) = 0,0002. Wegen der Mischverteilung wird dieser p-Wert durch 2 dividiert, um das Signifikanzniveau zu erhalten: α = 0,0001. Dies entspricht einer einseitigen χ2 -Verteilung (Thomas 2004, S. 192). Man beachte dieses unterschiedliche asymptotische Signifikanzniveau im Vergleich zum sequentiellen Verfahren mit einfacher Alternative im vorherigen Abschnitt. In kleinen Stichproben kann der asymptotische Wert jedoch das wahre Signifikanzniveau stark untersch¨ atzen, wobei eine obere Grenze des −Z Signifikanzniveaus durch 10 =0,001 (mit P(Z > 3)< 1/A) gegeben ist (Chotai 1984). Eine Diskussion bzgl. relevanter p-Werte einschließlich Simulationsverfahren und genomweiter Signifikanzniveaus gibt Sham (Sham 1998, Abschnitt 3.13). Bei X-chromosomalem Erbgang mit der Grenze Z > 2 f¨ ur Kopplung ist das Signifikanzniveau h¨ ochstens α=0,01 (Ott 1999, S. 67). ˆ ≥ 3 wird vor allem bei Mehrpunkt-Verfahren die ”Unterst¨ Falls Z(θ) utzung”, die die LOD-Score-Funktion f¨ ur den gesch¨ atzten Wert θˆ bietet, durch das 1-

180

4. Kopplungsanalysen

LOD-Supportintervall beschrieben. Es umfasst alle Werte θ, f¨ ur die ˆ − LOD(θ) ≤ 1 LOD(θ) gilt (Ott 1999, Conneally et al. 1985, Blume 2002, S. 2569), d.h. diese Werte f¨ ur die Rekombinationsrate werden fast so gut (maximal eine Einheit im ˆ Bei Mehrpunkt-Verfahren LOD weniger) von den Daten unterst¨ utzt wie θ. werden die Grenzen des 1-LOD-Supportintervalls h¨aufig durch Nennung der Marker an diesen Grenzen angegeben. Ist das 1-LOD-Supportintervall sehr eng, so hat die LOD-Score-Funktion ein klar ausgepr¨agtes Maximum, ist es weit, so ist die LOD-Score-Funktion flach, und der Unterschied zwischen verschiedenen θ f¨ ur die Likelihood (Wahrscheinlichkeit) der Daten ist nicht sehr ausgepr¨ agt (s. Abb. 4.9). Auch Konfidenzintervalle werden angegeben (Thomas 2004, S. 193). Das 1-LOD-Supportintervall entspricht beim LODScore ungef¨ ahr einem 95% Konfidenzintervall. LOD T 6 5 4 3 2 1 0 0

50

100

150

200

cM Abbildung 4.9. 1-LOD-Supportintervalle f¨ ur 2 beispielhafte LOD-Score-Kurven. Enges

Intervall und zugeh¨ orige Kurve schwarz, weites Intervall grau.

Zum Schluss m¨ ochten wir darauf hinweisen, dass der Anteil falsch positiver Kopplungsresultate bei einer zusammengesetzten Alternative θ < 0,5 mit z.B. P (θ = 0, 5|Z ≥ 3) = 0,2 gegen¨ uber dem Wert 0,04 (s. Abschnitt 4.2.4.1, Gl. 4.11) bei einfacher Alternative stark erh¨oht sein kann (Genin et al. 1995, Wilson 1996). In einer ber¨ uhmten Kopplungsanalyse zu Alzheimer (St. Georges-Hyslop et al. 1987) wurde mit einer großen Familie (Familie FAD4) Z > 2,46 erzielt. Dies f¨ uhrte trotz Lockerung des Kriteriums Z ≥ 3 zu hohen Forschungsanstrengungen in der betrachteten Region des Chromosoms 21. Genin et al. (1995) zeigten, dass die Chance f¨ ur einen falschen Kopplungs-

4.2

LOD-Score-Methode

181

befund mindestens 2:1 ist. Einige Jahre sp¨ ater wurde FAD4 auf Kopplung mit Chromosom 14 untersucht, sie zeigte deutlich h¨ohere Kopplungsbefunde. Beispiel: Kopplungsanalyse zum Brustkrebs (Hall et al. 1990) Die LOD-Score-Analyse f¨ ur den Marker D17S74 aus Abb. 4.8 zeigt, dass der kumulative LOD-Score bei Familien mit jungem mittleren Diagnosealter zun¨ achst bis auf 5,98 ansteigt, danach f¨ allt er wieder. F¨ ur Familien mit jungem Diagnosealter ergibt sich also ein starker Kopplungsbefund. W¨ urde man alle Familien ohne Ber¨ ucksichtigung des Diagnosealters mit in die Analyse einbeziehen, so w¨ urde sich hieraus kein Kopplungsbefund ergeben, da der kumulative LOD-Score f¨ ur θ=0,001 bei 23 Familien bei -5,48 liegt. Mit den beschriebenen Kriterien w¨ urde man Kopplung sogar ausschließen. Es kann also ¨ außerst wichtig sein, das Diagnosealter zu ber¨ ucksichtigen. Da Abb. 4.8 keinen genauen Schwellenwert zeigt, bis zu welchem Diagnosealter die Familien einen Kopplungsbefund zeigen und ab welchem Diagnosealter sie klar keine Kopplung zeigen, stellen die Autoren die weiteren LOD-Score Ergebnisse f¨ ur drei verschiedene Altersgruppen dar (s. Tab. 4.3). Tabelle 4.3. Zweipunkt-LOD-Scores f¨ ur Kopplung mit Brustkrebs f¨ ur 4 Marker auf

Chromosom 17q21 (nach Tab. 2, Hall et al. 1990). A = mittleres Alter bei Diagnose, θ = Rekombinationsrate. θ Familien 1-7 (A ≤ 45)

Marker 0,001

0,10

0,20

0,30

0,40

D17S78

−0,84

−0,65

−0,16

−0,04

0,00

D17S41

−1,54

−1,12

−0,71

−0,36

−0,14

D17S74

+5,98

+4,83

+3,47

+1,97

+0,65

D17S40

+1,36

+1,01

+0,63

+0,30

+0,07

Familien 8-15 (46 ≤ A ≤ 51)

Marker 0,001

0,10

0,20

0,30

0,40

D17S78

+0,36

+0,95

+0,81

+0,48

+0,14

D17S41

+0,10

+0,51

+0,43

+0,26

+0,08

D17S74

−3,33

−0,80

−0,18

−0,05

−0,04

D17S40

−0,49

−0,12

+0,01

+0,06

+0,05

Familien 16-23 (A ≥ 52)

Marker 0,001

0,10

0,20

0,30

0,40

D17S78

−4,18

−1,25

−0,44

−0,12

−0,04

D17S41

−2,73

−1,03

−0,59

−0,35

−0,16

D17S74

−8,13

−2,49

−0,94

−0,34

−0,12

D17S40

−2,42

−0,71

−0,25

−0,05

−0,00

182

4. Kopplungsanalysen

Es zeigt sich eine klare Kopplung zu D17S74 f¨ ur Familien mit mittlerem Diagnosealter 45 Jahre oder j¨ unger. Der LOD-Score bei θ=0,001 ist 5,98. Die LOD-Scores f¨ ur diesen Marker sind in dieser Altersgruppe durchwegs positiv und nehmen mit zunehmendem Abstand zu D17S74 ab. F¨ ur Familien mit mittlerem Diagnosealter 46-51 Jahre nehmen die LOD-Scores Werte um die Null an. Nur direkt am Marker D17S74 zeigt sich ein stark negativer LODScore, so dass diese Familien eher nicht gekoppelt sind. Die Gruppe mit dem ¨altesten Diagnosealter zeigt in der Region nur negative Kopplungsergebnisse. Die Ergebnisse sind gegen¨ uber einer m¨ oglichen Fehlerquelle wegen zu kleiner Allelh¨ aufigkeiten am Krankheitslocus (s. auch Abschnitt 4.2.2.2 f¨ ur Markerh¨ aufigkeiten) sehr robust, da sie auf einer hervorragenden Segregationsanalyse mit gesch¨ atzter Allelh¨ aufigkeit p=0,0042 aufbauen konnten und f¨ ur das disponierende Allel H¨ aufigkeiten von p=0,004 bis p=0,02 betrachtet wurden. (Die obigen Tabellen und Abbildungen beziehen sich auf p=0,01.) 4.2.4.3 LOD-Score-Methode bei komplexen Krankheiten

¨ Alle Uberlegungen bisher galten f¨ ur eine monogene Krankheit. Sofern der Effekt eines Gens groß genug ist, kann das LOD-Score-Kriterium Z ≥ 3 auch f¨ ur oligogen (oligos=wenig) vererbte Krankheiten/Ph¨anotypen angewendet werden (Morton 1998). Somit lassen sich auch Mendelsche Unterformen komplexer Krankheiten mit dieser Methode gut identifizieren. Genetische Heterogenit¨ at kann direkt als zus¨ atzlicher Parameter in die Analyse integriert werden. Evidenz f¨ ur Kopplung in einigen Familien (Anteil α) und Evidenz gegen Kopplung in anderen (Anteil 1-α) ist ein wichtiger Hinweis auf genetische Heterogenit¨ at. Man maximiert den sogenannten HLOD, der auf der Likelihoodfunktion HLOD(α, θ) = L(α, θ) = αL(θ) + (1 − α)L(0, 5) basiert, wobei unter H0 α = 1 und θ = 0,5 angenommen wird. Beispiel: Kopplungsanalyse zum Brustkrebs (Hall et al. 1990) Im vorherigen Abschnitt zeigte sich eine klare Heterogenit¨at der Familien nach Diagnosealter. Bei deren Ber¨ ucksichtigung ergibt sich f¨ ur alle 23 Familien f¨ ur die Kopplung mit Marker D17S74 ein max LOD = 3,28 f¨ ur θ=0,014 und α=0,40. Der LOD-Score aller Familien erm¨oglicht also bei diesem Verfahren den Nachweis der Kopplung. Zugleich zeigt sich, dass nur weniger als die H¨ alfte der Familien einen Kopplungsbefund zeigen und dass die Rekombinationsrate, also der Abstand zu D17S74, jetzt etwas h¨oher gesch¨atzt wird. Diese Kopplungsanalyse konnte auf die Segregationsanalyse aus Abschnitt ¨ 3.4.5 aufbauen. H¨ aufig kann bei komplexen Krankheiten der Ubertragungsmodus nicht gut bestimmt werden. Er wird aber f¨ ur die Eingangsparameter

4.2

LOD-Score-Methode

183

M0 (s. Abschnitt 4.2.3) der Kopplungsanalyse ben¨otigt. Durch ein falsches onnen Chromosomenregionen fehlerhaft ausgeschlossen werden, Modell M0 k¨ die in Wahrheit gekoppelt sind. Durch Mehrfachtesten k¨onnen falsch-positive Kopplungen berichtet werden. Mehrfachtesten wird h¨aufig durchgef¨ uhrt, um verschiedene Segregationsmodelle und diagnostische Kriterien durchzuprobieren (s. auch Terwilliger und Ott 1994, Kapitel 25). Der LOD-Score wird dann u ¨ ber alle diese Szenarien maximiert. Falsche Markerallelh¨aufigkeiten, die oft nur sehr ungenau f¨ ur eine Bev¨ olkerung bestimmt sind, k¨onnen zu einer ernsthaften Verzerrung f¨ uhren (s. Abschnitt 4.2.2.2). Die kombinierte Segregations-Kopplungsanalyse sch¨atzt das Segregationsmodell M und θ gleichzeitig. Das Maximum des LOD-Scores f¨ ur die Untersuchung eines Kandidatengens, bei dem θ = 0 f¨ ur ein Kandidatengen angenommen wird, nennt man MOD-Score (Clerget-Darpoux et al. 1986). M OD (θ; M ) = log10

L (θ, M ) L (0, 5M)

Die ad¨ aquate Korrektur f¨ ur die Auswahlverzerrung (s. Abschnitt 3.3, Familien f¨ ur Kopplungsanalysen sind h¨ aufig hochselektiert) kann durch Bedingung auf die beobachteten Ph¨ anotypen erfolgen (Thomas 2004, S. 197; Hodge und Elston 1994). Die kombinierte Segregations-Kopplungsanalyse mit gleichzeitiger Sch¨ atzung des Segregationsmodells M und θ f¨ uhrt h¨aufig zu großen ¨ Varianzen und einer Quasi-Aquivalenz vieler Parameters¨atze hinsichtlich des Likelihoodprofils und somit zu nicht aussagekr¨aftigen Ergebnissen. Die LOD-Score-Analyse f¨ ur komplexe Krankheiten ist also deutlich erschwert. ¨ Xu et al. (1998) geben einen detaillierten Uberblick u ¨ber den Einfluss verschiedener Aspekte wie Fehlspezifizierungen und Heterogenit¨at auf die LODScore Analyse. Sie ist aber als parametrisches Verfahren den nichtparametrischen Verfahren (s. Abschnitt 4.3) in der Power u ¨ berlegen, wenn sie valide durchgef¨ uhrt werden kann. Sie kann oft besser Informationen in großen Stammb¨ aumen nutzen, die mit vielen Mitgliedern aus mehreren Generationen oft den Schl¨ ussel zur Identifizierung einer monogenen Variante einer Erkrankung (z.B. Kopplungsanalyse f¨ ur Alzheimer, St. Georges-Hyslop et al. 1987) lieferten. Im Extremfall reicht ein Stammbaum, da f¨ ur die Stichprobengr¨oße die Zahl der informativen Meiosen von Eltern auf Kinder wichtig ist. Besteht die vorhandene Stichprobe aus einer oder wenigen Familien, so ist es sinnvoll, sogenannte ELODs zu bestimmen. Dies sind die erwarteten LODScores auf der Basis der Familienstrukturen, der Ph¨anotypen und eines vorgegebenen Modells, die in der Regel u ¨ ber Simulationsprogramme ermittelt werden. So kann entschieden werden, ob es sinnvoll ist, Genotypisierungen f¨ ur die Familie durchzuf¨ uhren oder speziell bestimmte Familienmitglieder nachtr¨ aglich zur Steigerung der Power zu rekrutieren.

184

4. Kopplungsanalysen

Blick in die Geschichte 4: J¨ urg Ott (1939 - ) Einer der international bekanntesten Pioniere f¨ ur Kopplungsanalysen ist J¨ urg Ott. Sein Labor f¨ ur statistische Genetik an der Rockefeller Universit¨at in New York ist eine zentrale Anlaufstelle f¨ ur Kopplungsfragestellungen, f¨ ur statistische Genetik insgesamt und f¨ ur die verf¨ ugbare Software in diesem Bereich. J¨ urg Ott stammt aus Schaffhausen in der Schweiz, lebt seit 30 Jahren in den USA und plant, zuk¨ unftig nach Peking zu ziehen. Nach seiner Schulzeit studierte er zun¨ achst Zoologie in Z¨ urich und wandte sich erst sp¨ ater der statistischen Genetik zu. Seitdem forscht er in diesem Bereich nicht nur u ¨ ber Fragestellungen der Kopplungsanalyse sondern u ¨ ber verschiedenste statistische Methoden zur Suche nach disponierenden Genen f¨ ur Krankheiten. Man kann ihn als Generalisten in diesem Bereich bezeichnen, dem die Anwendung und die Verbreitung der Techniken und Programme ein besonderes Anliegen ist. In seiner Zeit als Postdoc in Seattle (1972 – 1975) entwickelte er das erste Linkage Programm LIPED, das den Elston-Stewart-Algorithmus verwendet (Elston und Stewart 1971; Ott 1974), ein FORTRAN Programm f¨ ur LODScore-Analysen, das deren breiten Einsatz erst m¨oglich machte. Sein Lehrbuch u ¨ ber Kopplungsanalysen (1. Auflage 1992, Ott 1999) ist der Klassiker zu diesem Thema. Zusammen mit Joe Terwillinger, seinem ehemals ersten Doktoranden, verfasste er sp¨ ater das viel genutzte Handbook of Human Genetic Linkage Analysis (Terwilliger und Ott 1994) f¨ ur das weit verbreitete LINKAGE Programm. J¨ urg Ott initiierte sehr fr¨ uhzeitig Genkartierungskurse in New York und an verschiedenen Stellen in Europa sowie den Aufbau eines Genkartierungszentrums in Peking. Genetisch statistische Analysen sind ohne leistungsf¨ahige Programme undenkbar. Die weltweit entwickelten Programme werden in seinem Institut gesammelt und in Form einer strukturierten Liste auf seiner Webseite zur Verf¨ ugung gestellt. Heute ist diese Liste die wertvollste Informationsquelle hierf¨ ur, sie verzeichnet zurzeit u ¨ ber 400 Eintr¨age und mehrere hundertausend Zugriffe (linkage.rockefeller.edu). Unter seiner leitenden Editorenschaft hat sich Human Heredity zu einer Zeitschrift mit einem methodisch-statistischen Schwerpunkt f¨ ur die genetische Forschung entwickelt.

4.3

Identity-by-Descent-Verfahren f¨ ur dichotome Ph¨ anotypen

185

4.3 Identity-by-Descent-Verfahren f¨ ur dichotome Ph¨ anotypen Modellfreie bzw. nichtparametrische Kopplungsverfahren werden bei komplexen Krankheiten h¨ aufig angewendet, da das genetische Modell nicht als bekannt angenommen werden kann. Sie haben das Ziel, Evidenz f¨ ur Kopplung zu liefern, ohne die Rekombinationsrate zu sch¨atzen (Elston 1998, Lander und Schork 1994, Teare und Barrett 2005). Bei multifaktoriellen Krankheiten, bei denen mehrere Gene und Umweltfaktoren eine Rolle spielen, sind sie h¨ aufig zu bevorzugen, da man sich hier vielfach nicht auf die parametrische LOD-Score-Analyse verlassen kann (s. Abschnitt 4.2.4.3). Die nichtparametrischen Kopplungsverfahren sind sogenannte Allele-SharingMethoden oder auch Identity-by-Descent-(IBD-)Methoden. Sie basieren darauf, dass bei Kopplung zwischen Markerlocus M und Krankheitslocus D Verwandte mit gleichem Krankheitsstatus h¨ aufiger in den Markerallelen u ¨bereinstimmen, als ohne Kopplung zu erwarten w¨ are. Verwandte mit verschiedenem Krankheitsstatus stimmen hingegen weniger h¨aufig u ¨ berein. Als genetisches ¨ Ahnlichkeitsmaß wird hierbei der IBD-Status zwischen verwandten Personen verwendet, den wir in den Abschnitten 4.3.1 und 4.3.2 f¨ ur einen Locus (M) bzw. zwei Loci (M, D) einf¨ uhren. In Abschnitt 4.3.3 betrachten wir die Affected-Sib-Pair-Methode als h¨ aufigstes IBD-Verfahren f¨ ur dichotome Ph¨ anotypen und in Abschnitt 4.4 IBD-Verfahren f¨ ur quantitative Ph¨anotypen. 4.3.1 Identity-by-Descent f¨ ur einen Locus

¨ Zwei genetische Ahnlichkeitsmaße zwischen Personen m¨ ussen unterschieden werden, der Identity-by-Descent-(IBD-)Status und der Identity-by-State(IBS-)Status. Zun¨ achst betrachten wir Geschwisterpaare einer Kernfamilie, bei der alle Personen f¨ ur einen Markerlocus M typisiert wurden. Bei einem Elternpaar sind maximal vier verschiedene Markerallele m¨oglich, die im Folgenden kurz mit 1, 2, 3 und 4 bezeichnet werden. Der IBS-Status zwischen zwei Personen ist die Anzahl der Allele, die f¨ ur diesen Marker identisch sind. Da jede Person zwei Allele besitzt, kann der IBS-Status die Werte 0, 1 und 2 annehmen. Der IBD-Status ist definiert als die Anzahl der Allele, die identisch sind, weil sie von exakt demselben Allel bei einem gemeinsamen Vorfahren abstammen. Sie sind der Herkunft nach gleich. Haben die Eltern vier verschiedene Allele, so ist IBD = IBS und IBD kann eindeutig bestimmt werden. Abb. 4.10 zeigt eine Kernfamilie mit der Genotypkombination 12x34 f¨ ur die Eltern. Wir vergleichen den IBD-Status f¨ ur vier der T¨ ochter paarweise mit der f¨ unften Tochter mit Genotyp 13. F¨ ur die T¨ochter II.1 und II.5 gilt IBD(13,13)=2, da beide Allele identisch (IBS) und

4.3

186

4. Kopplungsanalysen

auch identisch nach Herkunft (IBD) sind, f¨ ur II.2 und II.5 gilt IBD(14,13)=1, da nur ein Allel identisch nach Herkunft ist. Gleiches gilt f¨ ur die T¨ochter II.3 und II.5: IBD(23,13)=1. Der IBD-Status f¨ ur die T¨ochter II.4 und II.5 schließlich nimmt den Wert IBD(24,13)=0 an. Tab. 4.4 zeigt den IBD-Status f¨ ur alle m¨ oglichen Paare der Kinder von 12x34 Eltern und in der letzten Zeile die Verteilung des IBD-Status insgesamt. Dabei bezeichne πi =P(IBD=i), i=0,1,2. 1

2

I 34

12

1

II 13

3

2 14

23

4 24

5 13

Abbildung 4.10. Kernfamilie mit vier verschiedenen Allelen und 5 T¨ ochtern.

Nun betrachten wir Beispiele (s. Abb. 4.11) mit weniger als vier verschiedenen elterlichen Allelen. In Abb. 4.11.A sind die Eltern 12x13, also verschieden heterozygot mit einem gemeinsamen Allel. Die Kinder 12 und 13 haben Allel 1 gemeinsam, es gilt IBS = 1. Nun betrachten wir die Herkunft des Allels 1. Der Sohn hat Allel 2 vom Vater und somit das Allel 1 von der Mutter, die Tochter jedoch das Allel 3 von der Mutter und das Allel 1 vom Vater. Damit ist die Herkunft des Allels 1 bei den Geschwistern unterschiedlich und IBD=0. A

B

C

12

13

12

12

11

12

12

13

12

12

11

11

Abbildung 4.11. Eltern und zwei Kinder mit Genotypen f¨ ur einen Marker. A: Eltern

verschieden heterozygot, B: Eltern identisch heterozygot, C: Ein Elternteil homozygot.

Abb. 4.11.B zeigt gleichartig heterozygote Eltern 12x12. Die Kinder haben beide Allele gemeinsam (Genotypen 12,12), so dass IBS=2 gilt. Der IBDStatus kann nicht mehr eindeutig bestimmt werden. Falls beide Kinder Allel 1 vom Vater und Allel 2 von der Mutter geerbt haben, gilt IBD=2, ebenso falls beide Allel 1 von der Mutter haben und Allel 2 vom Vater. Hat

4.3

Identity-by-Descent-Verfahren f¨ ur dichotome Ph¨ anotypen

187

Tabelle 4.4. Identity-by-Descent-(IBD-)Verteilung zweier Geschwister bei 12x34 Eltern.

Die Geschwister haben die m¨ oglichen Genotypen g1 und g2 . Jede Genotypkombination der Geschwister ist nach Mendelscher Segregation bei 12x34 Eltern gleich wahrscheinlich.

g1

g2

13

13

IBD=1

X

23

X X

13

X

14 23

23

X X

24

X

13

X

14

X

23

X

24 24

13

X X

14

X

23

X

24 πi

IBD=2 X

14

24 14

IBD=0

X π0 =1/4

π1 = 1/2

π2 = 1/4

jedoch ein Kind Allel 1 vom Vater und das andere Kind Allel 1 von der Mutter geerbt, so gilt wegen der unterschiedlichen Herkunft IBD=0. Insgesamt ergibt sich f¨ ur den IBD-Status eine Wahrscheinlichkeitsverteilung mit P(IBD=0)=P(IBD=2)=1/2. In Abb. 4.11.C ist ein Elternteil homozygot. F¨ ur die Kinder gilt IBS=2 (Genotypen 11,11). Da beide Kinder Allel 1 von der Mutter geerbt haben, gilt mindestens IBD=1. Da der Vater homozygot 11 ist, kann nicht entschieden werden, ob beide Kinder jeweils das gleiche Allel 1 hier auch nach großelterlicher Herkunft erhalten haben. Beispielsweise k¨onnen beide das großm¨ utterliche Allel 1 geerbt haben (IBD=2), oder eines kann das großm¨ utterliche und eines das großv¨ aterliche Allel 1 geerbt haben (IBD=1). F¨ ur IBD m¨ ussen die Allele physikalische Kopien desselben Allels eines Vorfahren sein. So gilt: P(IBD=1)=P(IBD=2)=1/2.

188

4. Kopplungsanalysen

Zusammenfassend k¨ onnen IBD- und IBS-Status die Werte 0, 1 und 2 annehmen. Der IBS-Status zwischen typisierten Individuen kann immer eindeutig bestimmt werden. Sicher eindeutig kann IBD zwischen Kindern in einer Kernfamilie dann angegeben werden, wenn Kinder und Eltern typisiert und die vier elterlichen Allele des Markers verschieden sind. Dann gilt IBD=IBS. F¨ ur beliebige Geschwisterpaare in der Population gilt dann insgesamt die IBDVerteilung π2 = 1/4, π1 = 1/2 und π0 = 1/4. In einer typisierten Kernfamilie kann f¨ ur den IBD-Status zwischen Geschwistern h¨aufig nur eine Wahrscheinlichkeitsverteilung angegeben werden. Dies geschieht umso h¨aufiger, je weniger polymorph ein Marker ist. ur beliebige Paare eines festen VerwandtDie IBD-Verteilung (π2 , π1 , π0 ) f¨ schaftstyps l¨ asst sich entsprechend den Mendelschen Gesetzen berechnen. Bei zuf¨ alligen Paarungen muss der IBD-Status bei einem Eltern-Kind-Paar nach Mendel immer den Wert 1 annehmen, also π1 =1. Bei einem Großvater-EnkelPaar gilt ebenso wie bei einem Halbgeschwisterpaar π0 = π1 = 1/2. 4.3.2 Identity-by-Descent f¨ ur zwei Loci

Wir m¨ ochten nun die IBD-Verteilung f¨ ur ein Geschwisterpaar an einem Markerlocus M in Abh¨ angigkeit von der Rekombinationsrate θ zwischen M und dem Krankheitslocus bestimmen, um nachfolgend darauf basierende Tests erkl¨ aren zu k¨ onnen. F¨ ur diese Berechnungen sei der Krankheitslocus biallelisch mit disponierendem Allel D und normalem Allel d, die Allele am Markerlocus seien weiterhin 1, 2, 3 und 4. Im Folgenden treffen wir vereinfachende Annahmen, um wesentliche Elemente der Rechnungen demonstrieren zu k¨ onnen. Diese Annahmen sind jedoch in der Regel nicht notwendig. Es werden nur Kernfamilien betrachtet, die aus zwei nicht erkrankten Eltern und zwei erkrankten Kindern bestehen. Weiterhin wird vorausgesetzt, dass am Markerlocus alle Personen typisiert sind und die vier Markerallele der Eltern verschieden sind. Wir betrachten zwei genetische Modelle, n¨ amlich einen rezessiven Erbgang mit den Penetranzen fDD = 1, fDd = fdd = 0 (s. Abschnitt 1.2.3) und einen dominanten Erbgang (fDD = fDd > 0, fdd = 0) mit unvollst¨andiger Penetranz und seltenem Allel D. Da die IBD-Verteilung f¨ ur Paare erkrankter Geschwister (ASP, affected sib pair) ermittelt werden soll, haben beim rezessiven Erbgang beide Geschwister den Genotyp DD und die Eltern die Genotypen DdxDd. (Da die Eltern gesund sind, kann bei ihnen der Genotyp DD nicht vorliegen.) Beim dominanten Erbgang mit seltenem Allel D haben die Geschwister unter Vernachl¨ assigung Homozygoter den Genotyp Dd. Somit ist die wahrscheinlichste Genotypkonstellation der Eltern Ddxdd, wobei wegen der unvollst¨ andigen Penetranz der Dd-Elternteil gesund sein kann.

4.3

Identity-by-Descent-Verfahren f¨ ur dichotome Ph¨ anotypen

189

In Abb. 4.12.A betrachten wir den rezessiven Erbgang. Die Eltern sind also am Krankheitslocus beide heterozygot. Die v¨ aterlichen Haplotypen sind 1D, 2d, die der Mutter 3D, 4d. F¨ ur beliebige Geschwister sind je nach Phase insgesamt 4 Haplotypen ohne Rekombination (1D, 2d, 3D, 4d) und 4 Haplotypen mit Rekombination (1d, 2D, 3d, 4D) m¨ oglich, wobei die Rekombinationsrate θ die Wahrscheinlichkeit f¨ ur eine Rekombination beschreibt. B

A

Abbildung 4.12. Erkranktes

1 2 D d

3 4 D d

1 2 D d

3 4 d d

Geschwisterpaar mit Eltern. 1, 2, 3, 4 seien die Markerallele, D sei das disponierende und d das normale Allel am Krankheitslocus. A: rezessiv,

DD

DD

Dd

Dd

B: dominant, D selten, unvollst¨ andige Penetranz.

Da die Geschwister beide erkrankt sind, k¨ onnen sie nur Haplotypen mit Alur das lel D geerbt haben. Die Wahrscheinlichkeit π2 =P(IBD=2|ASP), dass f¨ erkrankte Geschwisterpaar am Markerlocus IBD=2 gilt, wird wie folgt ermittelt: π2 = P (13, 13) + P (14, 14) + P (23, 23) + P (24, 24) = P (1D3D, 1D3D) + P (1D4D, 1D4D) + P (2D3D, 2D3D) + P (2D4D, 2D4D) = (1 − θ)4 + (1 − θ)2 θ2 + θ2 (1 − θ)2 + θ4 wobei in der ersten Zeile die Wahrscheinlichkeiten f¨ ur die verschiedenen Markergenotypen des Geschwisterpaares und in der zweiten Zeile diejenigen f¨ ur die verschiedenen Haplotypen des Geschwisterpaares stehen. Durch Ber¨ ucksichtigung der Phase k¨ onnen nun in der dritten Zeile diese Wahrscheinlichkeiten mit Hilfe von θ angegeben werden. F¨ ur π1 und π0 ergibt sich π1 = P (1D3D, 2D3D) + P (1D3D, 1D4D) + P (2D3D, 2D4D) + P (1D4D, 2D4D) = 4θ(1 − θ)[θ2 + (1 − θ)2 ] π0 = 1 − π2 − π1 Da bei den Geschwisterpaaren die Geburtenreihenfolge, also z.B. (13, 23) oder (23, 13) nicht ber¨ ucksichtigt wurde, ist in der obigen Gleichung f¨ ur π1 jeweils ein zus¨ atzlicher Faktor 2 zu ber¨ ucksichtigen. Die IBD-Verteilung ist somit f¨ ur einen rezessiven Erbgang als Funktion von θ dargestellt. Sie h¨angt nicht von der Nummerierung der vier elterlichen Markerallele ab, die wir anf¨anglich

190

4. Kopplungsanalysen

willk¨ urlich festgelegt hatten, da letztlich nur die rekombinanten und nicht rekombinanten der vier m¨ oglichen Meiosen der Geschwister eingehen. Nun betrachten wir den dominanten Erbgang mit seltenem Allel D und unvollst¨ andiger Penetranz in Abb. 4.12.B. F¨ ur π2 ergibt sich π2 = P (13, 13) + P (14, 14) + P (23, 23) + P (24, 24) = P (1D3d, 1D3d) + P (1D4d, 1D4d) + P (2D3d, 2D3d) + P (2D4d, 2D4d) = 1/4[P (1D, 1D) + P (1D, 1D)] + 1/4[P (2D, 2D) + P (2D, 2D)] = 1/2[(1 − θ)2 + θ2 ] wobei der von der Mutter stammende Haplotyp keine Rekombinationsinformation mehr enth¨ alt, da sie homozygot dd ist. Am Marker besitzt die Mutter den Genotyp 34. Daher ist die Wahrscheinlichkeit, dass die Geschwister z.B. dasselbe Allel 3 geerbt haben, 1/2 · 1/2 = 1/4. Abb. 4.13 zeigt die IBD-Verteilung am Marker f¨ ur erkrankte Geschwisterpaare in Abh¨ angigkeit von θ f¨ ur die beiden betrachteten Erbg¨ange. Unter θ=0,5 ergibt sich die IBD-Verteilung f¨ ur einen Locus und beliebige Geschwisterpaare als (π2 , π1 , π0 ) = (1/4, 1/2, 1/4), da der Genotyp ohne Kopplung am Krankheitslocus keinen Einfluss hat. B

rezessiv P(IBD) am Markerlocus

P(IBD) am Markerlocus

A 1,0

0,8 IBD=2

0,6 IBD=1

0,4

dominant, D selten

1,0

0,8

0,6 IBD=1

0,4 IBD=2

0,2

0,0

0,2

IBD=0

0,0

0,1

0,2

0,3

0,4

0,5

Rekombinationsrate T

0,0

IBD=0

0,0

0,1

0,2

0,3

0,4

0,5

Rekombinationsrate T

Abbildung 4.13. IBD-Verteilung f¨ ur ein erkranktes Geschwisterpaar, π2 durchgezogen, π1

grau, π0 gestrichelt. A: bei einem rezessiven Erbgang, vollst¨ andige Penetranz, B: bei einem dominanten Erbgang, D selten, unvollst¨ andige Penetranz.

Die IBD-Verteilung f¨ ur die erkrankten Geschwisterpaare l¨asst sich f¨ ur jedes genetische Modell berechnen. Hierzu wird zun¨achst mittels Bayes-Theorem

4.3

Identity-by-Descent-Verfahren f¨ ur dichotome Ph¨ anotypen

191

(s. Gl. 1.3) die Verteilung der Genotypkonstellationen der Elternpaarungen des ASPs ermittelt: P (gm , gf |ASP ) =

P (ASP |gm , gf )P (gm , gf ) P (ASP )

ur die im Allgemeinen gm und gf bezeichnen die Genotypen der Eltern, f¨ das Hardy-Weinberg-Gleichgewicht (s. Abschnitt 2.2.2) vorausgesetzt wird. Bei den obigen Beispielen wurde nur eine elterliche Genotypkonstellation betrachtet. L¨ asst man z.B. beim rezessiven Modell unvollst¨andige Penetranz zu ussen die elterlichen Genotypkonstel(1 > fDD > 0, fDd = fdd = 0), so m¨ lationen DdxDd, DDxDd und DDxDD ber¨ ucksichtigt werden, und die IBDVerteilung h¨ angt nun von der Rekombinationsrate θ und der Allelh¨aufigkeit aufigkeiten der elterlichen GenotypkonstelpD ab, da letztere die relativen H¨ lationen bei Eltern eines ASPs in der Bev¨ olkerung bestimmt. Nachdem die Genotypverteilung der Eltern bestimmt wurde, l¨asst sich die IBD-Verteilung durch Aufsummierung u ¨ber alle m¨oglichen Genotypkonstellationen bestimmen  P (IBD|ASP ) = P (IBD| gm , gf , ASP )P ( gm , gf |ASP ) Als Beispiel soll hier die IBD-Verteilung f¨ ur das obige rezessive Modell ur θ=0 aufgef¨ uhrt werden, wobei sich π2 ≈1 (1 > fDD > 0, fDd = fdd = 0) f¨ bei seltenem Allel mit H¨ aufigkeit pD ergibt. π2 =

1 (1 + pD )

2,

π1 =

2pD

2,

(1 + pD )

π0 =

p2D 2

(1 + pD )

(4.13)

Penetranzen spielen dann bei den Berechnungen eine Rolle, wenn Ph¨anokopien bei den ASPs zugelassen werden. Allgemein h¨angt also die IBD-Verteilung von θ und den Parametern des genetischen Modells ab. 4.3.3 Affected-Sib-Pair-Methode 4.3.3.1 Affected-Sib-Pair-Methode bei eindeutigem IBD-Status

Nun betrachten wir Affected-Sib-Pair-(ASP-)Methoden als h¨aufigste IBDVerfahren f¨ ur dichotome Ph¨ anotypen. Bei den ASP-Methoden (s. u.a. Penrose 1953, Day und Simons 1976) werden erkrankte Geschwisterpaare gemeinsam mit ihren Eltern rekrutiert und anschließend nach dem IBD-Status am betrachteten Marker klassifiziert. In diesem Abschnitt setzen wir zun¨achst voraus, dass der IBD-Status bei jedem Paar eindeutig bestimmt werden kann. N0 , N1 , N2 seien die Zufallsvariablen der ASP-Anzahlen mit IBD=0, 1, 2 und n die Zahl aller ASPs, so dass N0 +N1 +N2 =n gilt. Alle ASP-Methoden vergleichen die beobachteten Anzahlen n0 , n1 , n2 mit den erwarteten unter

192

4. Kopplungsanalysen

der Nullhypothese H0 . Die Testhypothesen f¨ ur einen Kopplungstest, H0 keine Kopplung gegen H1 Kopplung, sind nun in der einfachsten Form H0 : (π0 , π1 , π2 ) = (α0 , α1 , α2 ) = (1/4, 1/2, 1/4) (4.14) H1 : (π0 , π1 , π2 ) = (α0 , α1 , α2 ) =

(1/4, 1/2, 1/4)

wobei πi und αi , i=0, 1, 2, die (relative) IBD-Verteilung der Geschwister allgemein bzw. unter H0 bezeichnen. Drei einfache Tests bei bekanntem IBD-Status wurden schon sehr fr¨ uh vorgeschlagen (s. Blackwelder und Elston 1985), n¨amlich der χ2 -Test, der proportion-Test und der mean-Test. Wir f¨ uhren auch den NPL-Score und die MLS-Statistik ein. Sie sind deutlich komplizierter, k¨onnen aber auch bei unklarem IBD-Status verwendet werden und sind daher in aktuellen Softwareprogrammen zur modellfreien Kopplungsanalyse implementiert. ur Kopplung an, so werden χ2 -Test: Wendet man den χ2 -Test als Test f¨ die drei beobachteten Anzahlen n2 , n1 , n0 mit den erwarteten Anzahlen (n·1/4, n·1/2, n·1/4) unter H0 verglichen. Unter H0 folgt die Teststatistik einer χ2 -Verteilung mit zwei Freiheitsgraden.

X2 =

(n1 − E(N1 |H0 ))2 (n2 − E(N2 |H0 ))2 (n0 − E(N0 |H0 ))2 + + E(N0 |H0 ) E(N1 |H0 ) E(N2 |H0 ) (4.15)

(n0 − n/4)2 (n1 − n/2)2 (n2 − n/4)2 = + + n/4 n/2 n/4 Wie Abb. 4.13 zeigt, steigt die Power des Tests mit zunehmender Kopplung, da damit auch die Abweichung der beobachteten IBD-Verteilung von angt vom genetischen Modell ab. Bei(n·1/4, n·1/2, n·1/4) steigt. Die Power h¨ ur den rezessiven Erbgang bei π2 spielsweise sind die Unterschiede zu H0 f¨ deutlich ausgepr¨ agter als f¨ ur den dominanten Erbgang. proportion-Test: Dies f¨ uhrte zum proportion-Test, der untersucht, ob ein gr¨oßerer Anteil Paare IBD=2 zeigt, als ohne Kopplung erwartet wird (H0 : π2 = 1/4, H1 : π2 > 1/4, also ein einseitiger Test). Der proportion-Test folgt unter H0 einer t-Verteilung mit n-1 Freiheitsgraden (Suarez et al. 1978). mean-Test: Da die Wahl des besten Testverfahrens vom genetischen Modell abh¨ angt, ist der Begriff modellfrei etwas irref¨ uhrend. F¨ ur viele Erbg¨ange hat der mean-Test tm , der die mittlere Anzahl der IBD-Allele mit dem erwarteten Wert 1 vergleicht (H0 : meanIBD=1, H1 : meanIBD>1, also ein einseitiger Test), die h¨ ochste Power (Blackwelder und Elston 1985, Knapp et al. 1994a).

4.3

Identity-by-Descent-Verfahren f¨ ur dichotome Ph¨ anotypen

193

Er ist gegeben durch (2n2 + 1n1 + 0n0 ) − (1/42 + 1/21 + 0)n  (1/4(2 − 1)2 + 0 + 1/4(0 − 1)2 )n  2n2 + n1 − n 2  = (n2 − n0 ) = n/2 n

tm =

wobei der Nenner die Standardabweichung beschreibt und somit tm unter ur ASPs ist H0 einer Standardnormalverteilung N(0,1) folgt. Der mean-Test f¨ ur einen rezessiven ¨aquivalent zu einer parametrischen LOD-Score-Analyse f¨ Erbgang (Knapp et al. 1994b). NPL-Score: F¨ ur erkrankte Geschwisterpaare ist der mean-Test ¨aquivalent zum Nonparametric-Linkage-(NPL-)Score (Kruglyak et al. 1996), der wie folgt gebildet wird: 1  Sj − µj0 1  Zj = √ Z= √ n j=1 n j=1 σj0  n 2 1 √ (n2 − n0 ) =√ 2(Sj − 1) = n j=1 n n

n

ur das Geschwisterpaar j wobei Sj , j=1,. . . ,n, die Anzahl der IBD-Allele f¨ 2 = 1/2 unter der am Markerlocus mit Erwartungswert µj0 =1 und Varianz σj0 Nullhypothese H0 bezeichnet. Zj , j=1,. . . ,n, bezeichnet also die Standardiur den NPL-Score als Kopplungstest sierung von Sj (s. Abschnitt 1.2.2). F¨ lassen sich Nullhypothese und Alternative wie folgt darstellen: H0 : E(Z) = 0 H1 : E(Z) > 0 ˆ1 , π ˆ2 ) MLS-Statistik: Die Maximum-Lod-Score-(MLS-)Statistik Tˆ = T (ˆ π0 , π (Risch 1990a,b) wird analog zum parametrischen LOD-Score mittels des Verh¨ altnisses der Likelihoods L(H1 )/L(H0 ) gebildet: ⎡ n 2 ⎤  πi ⎥ ⎢ ⎢ j=1 i=0 ⎥ T (π0 , π1 , π2 ) = log10 ⎢ n 2 ⎥ ⎣ ⎦ αi =

j=1 i=0 π n0 π n1 π n2 log10 0n0 1n1 2n2 α0 α1 α2

= n0 log10 (4π0 ) + n1 log10 (2π1 ) + n2 log10 (4π2 )

194

4. Kopplungsanalysen

wobei n, αi , πi , i = 0, 1, 2 und j = 1,. . . , n, weiter oben definiert wurden. Das Symbol Π beschreibt das Produkt u ¨ ber alle Geschwisterpaare j. ˆ1 , π ˆ2 ) = max T (π0 , π1 , π2 ) werden nun die Maximum-LikeliF¨ ur Tˆ = T (ˆ π0 , π hood-Sch¨ atzer (s. Abschnitt 1.4.1) unter der Alternative verwendet. W¨ urde Gl. 4.14 und somit die uneingeschr¨ ankte Alternative angewendet werden, dann sind die ML-Sch¨ atzer ni i = 0, 1, 2. π ˆi = n Intuitiv kann IBD im Mittel nicht seltener auftreten als unter H0 . Daher wird unter Verwendung des sogenannten possible triangle (Holmans 1993, James 1971, Suarez et al. 1978) die IBD-Verteilung unter der Alternative auf genetisch sinnvolle Parameter eingeschr¨ ankt. Die ML-Sch¨atzer werden dann durch (iterative) Maximierung u ¨ ber diesen eingeschr¨ankten Parameterraum bestimmt, was zu einer h¨ oheren Power f¨ uhrt: H0 : (π0 , π1 , π2 ) = (α0 , α1 , α2 ) = (1/4, 1/2, 1/4) H0 : (π0 , π1 , π2 ) = (α0 , α1 , α2 ) = (1/4, 1/2, 1/4) wobei π1 ≤ 1/2, 2π0 ≤ π1 , π0 ≥ 0 F¨ ur die Herleitung des m¨ oglichen Dreiecks (hier nicht dargestellt) wird der Zusammenhang zwischen der IBD-Verteilung und den Wiederholungsrisiken f¨ ur Verwandte (s. Abschnitt 3.2) ausgenutzt. H0 befindet sich am Rand des Parameterraums. Daher folgt die MLS-Statistik unter H0 einer gemischten Verteilung mit Punktmasse 0 und χ2 -Verteilungen mit 1 und 2 Freiheitsgraden (s. auch Abschnitt 4.2.4.2). Es sollte noch erw¨ahnt werden, dass diese Einschr¨ ankung des Parameterraums voraussetzt, dass die f¨ ur die Krankheit disponierenden Gene nicht miteinander gekoppelt und keine Umweltfaktoren mit dem betrachteten Locus korreliert sind. 4.3.3.2 Affected-Sib-Pair-Methode bei unklarem IBD-Status

Ist der IBD-Status nicht eindeutig, so m¨ ussen mittels der Markerallelh¨aufigkeiten Wahrscheinlichkeiten f¨ ur die IBD-Verteilung gesch¨atzt werden. χ2 Test, proportion-Test und mean-Test k¨ onnen in dieser Situation nicht verwendet werden. Risch (1990 a,b) und Holmans (1993) haben f¨ ur die MLSStatistik direkt die allgemeine Situation betrachtet. ˆ1 , π ˆ2 ) MLS-Statistik: Die Maximum-Lod-Score-(MLS-)Statistik Tˆ = T (ˆ π0 , π wird analog zum vorherigen Abschnitt gebildet. Die allgemeine Formulierung

4.3

ist:

Identity-by-Descent-Verfahren f¨ ur dichotome Ph¨ anotypen

⎡

195

⎤

⎡ ⎤ 2 π w π w i ij n i ij ⎢ ⎥  ⎢ i=0 ⎥ ⎢ j=1 i=0 ⎥ ⎥ T (π0 , π1 , π2 ) = log10 ⎢ n 2 log10 ⎢ ⎥= ⎣ ⎦ 2 ⎣ ⎦ j=1 αi wij αi wij 2 n 

j=1 i=0

i=0

wobei n, αi , πi , i = 0, 1, 2, weiter oben definiert wurden und ur Paar j | IBD = i f¨ ur Paar j), wij = P (beobachtete Markerdaten f¨ i = 0, 1, 2, j = 1,. . . , n, bezeichnet. Als Beispiel betrachten wir zwei erkrankte Geschwister, beide homozygot f¨ ur ur dieses Paar j* gilt das Allel D mit H¨ aufigkeit pD , und nehmen HWE an. F¨ bei nicht typisierten Eltern: w0j∗ = p4D ,

w1j∗ = p3D ,

w2j∗ = p2D .

Bei IBD = 0 liegen vier D-Allele verschiedener Herkunft vor, bei IBD = 2 nur zwei. Daher tr¨ agt dieses Paar folgenden Anteil zur MLS-Statistik bei: Tj∗ (π0 , π1 , π2 ) = log10

p4D π0 + p3D π1 + p2D π2 p4D α0 + p3D α1 + p2D α2

Sind die Eltern nicht typisiert, so h¨ angen die Gewichte wij von den Markerallelh¨ aufigkeiten ab. Sind die Eltern typisiert, so sind die Gewichte konstant und h¨ angen nur von der H¨ aufigkeit der elterlichen Paarungen ab. In diesem Fall gilt f¨ ur die Gewichte wij : DD x DD : w0j∗ = 1/4,

w1j∗ = 1/2, w2j∗ = 1/4

DD x Dd : w0j∗ = 0,

w1j∗ = 1/2, w2j∗ = 1/4

Dd x Dd : w0j∗ = 0,

w1j∗ = 0,

w2j∗ = 1

wobei hier d alle anderen Allele außer D bezeichne. Betrachtet man ein Geschwisterpaar j* mit elterlicher Paarung DDxDD, so gilt f¨ ur den Beitrag zu Tj∗ (π0 , π1 , π2 ) Tj∗ (π0 , π1 , π2 ) = log10

1/4π + 1/2π + 1/4π 0 1 2 1/4 · 1/4 + 1/2 · 1/2 + 1/4 · 1/4

= log10

1 + π1 3/2

Da Tj∗ (π0 , π1 , π2 ) bei Verwendung des m¨ oglichen Dreiecks (s.o.) f¨ ur π1 = 1/2 maximiert wird, ergibt sich f¨ ur eine solche nicht informative Paarung ein ˆ MLS-Beitrag Tj∗ von 0. NPL-Score: Auch f¨ ur den NPL Score gibt es eine Erweiterung bei unvollst¨ andiger Information u ¨ber den IBD-Status. Hierbei wird die exakte Anzahl der IBD-Allele f¨ ur das Geschwisterpaar j, Sj, ersetzt durch die mittlere Anzahl der IBD-Allele, berechnet mittels der IBD-Verteilung f¨ ur das Geschwisterpaar

196

4. Kopplungsanalysen

j bei gegebenen Markerdaten: Sj =

2 

iP (Sj = i | Daten)

i=0

Dann berechnet man die einzelne Standardisierung Z j und die NPL-Statistik Z: Zj =

S j − µ0j , σ0j

Z=

 j

γj Z j =

 1 √ Zj n j

wobei γj Gewichte f¨ ur die einzelnen Familien sind. Kruglyak et al. (1996) √ verwenden γj = 1/ n wie oben bereits definiert. Die hier beschriebene NPL-Statistik ist bei unvollst¨andiger Markerinformation konservativ, d.h. sie hat eine reduzierte Power (Cordell 2004). Bei schwacher Markerinformation passt sie die fehlenden Daten an die Nullhypothese an. Kong und Cox (1997) entwickelten einen Score-Test Zlr , der im wesentlichen ¨ aquivalent zur NPL-Statistik ist und bei dem die exakte log Likelihood auch bei unvollst¨ andiger Markerinformation auf der Basis eines linearen (Zlr -lin) oder exponentiellen Modells (Zlr -exp) konstruiert wird. Dieses Modell wird durch einen Parameter δ parametrisiert, der die Gr¨oße der Abasentiert. Die Zlr -Statistik ist weichung der IBD-Verteilung von H0 repr¨  ˆ 2(log L(δ) ˆ − log L(0)) Zlr = sign(δ) Die Zlr -Statistik weist die oben beschriebene reduzierte Power nicht auf. 4.3.3.3 Erweiterungen der Affected-Sib-Pair-Methode

Erweiterungen der ASP-Methoden wurden f¨ ur diskordante Geschwisterpaare, d.h. Geschwister, bei denen eines erkrankt und eines nicht erkrankt ist, f¨ ur weitere Verwandtschaftsbeziehungen wie z.B. Onkel-Neffe, f¨ ur Gruppen von m Personen mit m ≥ 2 und auch allgemein f¨ ur gr¨oßere Stammb¨aume entwickelt (s. z.B. Shih und Whittemore 2001). Nicht alle besprochenen Methoden erm¨ oglichen diese Erweiterungen. H¨ aufig angewendet werden die NPLur Sj in der NPL-Statistik Zj (s. vorheriger Erweiterungen Spairs und Sall f¨ Abschnitt, Whittemore und Halpern 1994). Spairs betrachtet die Anzahl der IBD-Allele u ¨ ber alle Paare erkrankter Individuen einer Familie, Sall betrachtet die Anzahl der IBD-Allele im m-Tupel aller m erkrankter Personen der Familie und bildet alle m¨ oglichen m’-Tupel mit m’=2,. . . ,m. F¨ ur ASPs sind beide Statistiken identisch. F¨ ur zahlreiche genetische Modelle, aber nicht immer, ist Spairs im Vergleich zu Sall besser.

4.3

Identity-by-Descent-Verfahren f¨ ur dichotome Ph¨ anotypen

197

Nicht immer liefern erkrankte Geschwisterpaare das Design mit der gr¨oßten Power (Risch 1990 a,b). Meistens trifft dies bei komplexen Krankheiten und kleinem Wiederholungsrisiko f¨ ur Geschwister erkrankter Personen, λs , zu (s. Abschnitt 3.2). Bei großem λs und kleiner Rekombinationsrate θ sind hingegen entferntere Verwandtschaftspaare g¨ unstiger und bei großem λs und großem θ vor allem Großeltern-Nichte/Neffe-Paarungen. Jedoch lassen sich in der Praxis erkrankte Geschwisterpaare leichter rekrutieren. Einige Verfahren betrachten IBS statt IBD (s. Abschnitt 4.3.1). F¨ ur gr¨oßere Stammb¨ aume ist die Affected-Pedigree-Member-(APM-)Methode (Weeks und Lange 1988) wichtig. Auf diese Methoden wird hier nicht weiter eingegangen, da sie in der Regel bzgl. Markerallelh¨aufigkeiten nicht robust sind und in der Praxis nicht so h¨ aufig Anwendung finden. ASP-Methoden k¨ onnen auch dazu verwendet werden, die Anpassung der IBD-Daten im Vergleich zu einem bestimmten genetischen Modell zu untersuchen. Bei vollst¨ andiger Information u ¨ ber den IBD-Status kann man beispielsweise den χ2 -Test (s. Gl. 4.15) als χ2 -Anpassungstest zwischen den beobachteten Daten und den erwarteten H¨ aufigkeiten unter dem angenommenen Modell nutzen. Betrachten wir nun z.B. die 185 Geschwisterpaare mit Insulin Dependent Diabetes Mellitus (IDDM) in Tabelle 4.5. Beobachtet werden 104 Paare mit IBD=2 (56%), 70 Paare mit IBD=1 (38%) und 11 Paare mit IBD=0 (6%). Die Nullhypothese ”keine Kopplung” wird klar verworfen. Untersucht man nun mittels χ2 -Test die Abweichung der beobachteten Anzahlen von denen, die bei einem rezessiven Modell mit einer Allelh¨ aufigkeit f¨ ur das disponierende ur θ=0 erwartet werden, so kann dieses Allele D von pD =0,35 (s. Gl. 4.13) f¨ Modell die vorliegenden Daten gut erkl¨ aren. Da f¨ ur ein dominantes Modell onnen hierdurch die Daten nicht erkl¨art werden. immer π2 ≤ 0,5 gilt, k¨ Tabelle 4.5. Identity-by-Descent-(IBD-)Verteilung f¨ ur den Locus DR der HLA-Region

zweier Geschwister mit IDDM (Originaldaten Clerget-Darpoux et al. 1991). Angegeben sind beobachtete Anzahlen und Anteile sowie erwartete Anzahlen bei A: keiner Kopplung und bei B: vollst¨ andiger Kopplung mit einem rezessiven Locus.

Beobachtet (ni , i = 2, 1, 0) Beobachtet (%) A: erwartet bei θ = 1/2 (%) B: erwartet bei θ=0, pD =0,35, rezessiv (%)

IBD=2 104 0,56 0,25 0,55

IBD=1 70 0,38 0,50 0,38

IBD=0 11 0,06 0,25 0,07

Beispiel: Kopplungsanalyse zum Brustkrebs (Hall et al. 1990) In ihrer Kopplungsanalyse zum Brustkrebs f¨ uhrten die Autoren zus¨atzlich zu der parametrischen LOD-Score-Analyse auch eine nichtparametrische IBD-

198

4. Kopplungsanalysen

Analyse durch. Da der Marker D17S74 mehr als 30 verschiedene Allele hat, kann hier der IBD-Status ausgezeichnet bestimmt werden (s. Tab. 4.6). Wegen der vorliegenden Heterogenit¨ at werden die Verwandtschaftspaare nach dem mittleren Diagnosealter A* der beiden Personen des Verwandtschaftspaares stratifiziert. Bei Schwestern ist IBD = 2, 1 oder 0 m¨oglich. Verwandtschaftspaare zweiten oder dritten Grades k¨ onnen nur maximal 1 Allel IBD haben, also IBD = 1 oder 0. Bei den Paaren mit jungem mittleren Diagno¨ sealter zeigt sich ein Uberhang der Schwestern mit IBD = 2 und anderer Verwandtschaftstypen mit IBD = 1. Das Kopplungsresultat der parametrischen Kopplungsanalyse best¨ atigt sich durch das nichtparametrische Verfahren. (Ergebnisse des Tests sind im Artikel nicht angegeben.) Es zeigt sich jedoch gerade auch bei diesen erweiterten Familien ein Verlust an Power, da es insgesamt in den Kontingenztafeln nur sehr wenige Eintr¨age gibt. Auch die APM-Methode zeigte die Kopplung zu D17S74. Durch diese Best¨atigung mittels nichtparametrischer Kopplungsanalysen gewinnt die parametrische Kopplungsanalyse zus¨ atzlich an Aussagekraft. Zum Schluss sei vermerkt, dass bei den hier vorgestellten Methoden statt der gemeinsamen Betrachtung der Parameter des genetischen Modells und der Rekombinationsrate (genetischer Parametersatz) wenige Parameter im statistischen Test (modellfreier Parametersatz) betrachtet werden. Viele genetische Parameters¨atze f¨ uhren zum gleichen modellfreien Parametersatz. Damit ist umgekehrt eine Sch¨ atzung der Parameter unpr¨azise. Dies gilt vor allem f¨ ur die Lokalisation des disponierenden Locus. Betrachtet man einen Kandidatengenlocus, so kann θ=0 angenommen werden, wodurch sich die Pr¨azision f¨ ur die anderen Parameter erh¨ oht (s. obiges Beispiel zum χ2 -Anpassungstest). Tabelle 4.6. IBD-Verteilung f¨ ur Marker D17S74 (nach Hall et al. 1990). Schwestern

2ten Grades

A* IBD

2

1

0

≤ 45

14

4

0

46 - 55

5

8

0

≥ 56

3

6

2

≤ 45

9

2

0

46 - 55

0

0

0

1

3ten Grades

0

1

0

19

5

8

4

9

2

4

4

7

7

3

10

17

0

6

2

2

0

1

0

alle Familien

Familien 1 bis 7

Familien 8 bis 32 ≤ 45

5

2

0

2

5

2

2

46 - 55

5

8

0

7

2

3

4

≥ 56

3

6

2

7

7

3

10

4.4

Identity-by-Descent-Verfahren f¨ ur quantitative Ph¨ anotypen

199

4.4

4.4 Identity-by-Descent-Verfahren f¨ ur quantitative Ph¨ anotypen 4.4.1 Ein-Locus-Modell mit Varianzkomponenten

Die gel¨ aufigsten Verfahren f¨ ur die Kopplungsanalyse quantitativer Ph¨anotypen sind das Haseman-Elston-(HE-) Verfahren und die Varianzkomponenten-(VC-)Analyse. Beide Methoden basieren auf einem Ein-Locus-Modell, wie es in ¨ ahnlicher Weise bereits bei der Segregationsanalyse verwendet wurde (s. Abschnitte 3.4.1, 3.4.3). Wir nehmen an, dass ein einzelner Locus mit ”normalem” Allel s und ”disponierendem” Allel S (”susceptibility”) dem quantitativen Ph¨anotyp Y zugrunde liegt. Die Allelh¨ aufigkeiten seien p(S) = p und p(s) = 1 − p = q. Das genetische Modell f¨ ur Y bei Vorliegen eines spezifischen Genotyps G1 =ss, G2 =Ss oder G3 =SS sei nun dargestellt durch YGi = µ + gi + e

E(e) = 0,

2 V ar(e) = σE ,

ur den Genotyp Gi und e wobei µ + gi , i=1,. . . , 3, den Mittelwert von Y f¨ die (zufallsverteilte) Abweichung von Y zu µ + gi bezeichnet. Die Verteilung des Ph¨ anotyps Y in der betrachteten Population ist eine Mischverteilung und ergibt sich als gewichtete Verteilung u ¨ ber die drei Genotypen (s. Abb. 3.4 als Beispiel), wobei die Gewichte unter der Voraussetzung des Hardy-WeinbergGleichgewichts (s. Abschnitt 2.2.2) durch p2 , 2pq, q 2 gegeben sind. Eine u ur die Unterschiede der Mittelwerte zwischen den ¨ bliche Notation f¨ Genotypen ist g1 = gss = −a

g2 = gSs = d

g3 = gSS = a .

(4.16)

Damit ist µ die gemeinsame Komponente der einzelnen genotypspezifischen Mittelwerte; der Abstand zwischen den Mittelwerten f¨ ur die homozygoten Typen betr¨ agt 2a; d kennzeichnet die Lage des Mittelwerts der Heterozygoten. Mithilfe von d lassen sich beliebige genetische Ein-Locus-Modelle darstellen, z.B. ein rezessives (d = −a), ein dominantes (d = a) oder ein additives Modell (d = 0). Man beachte, dass auch in Abb. 3.4 die Lage der Mittelwerte der Genotypen durch drei Parameter modelliert wurde. Hier sind es die Parameter µ, a und d. Der Populationsmittelwert von Y betr¨agt E(Y ) = µ + ap2 + 2dpq − aq 2 . Die gesamte (totale) Varianz des Ph¨ anotyps Y sei σT2 . Die genetische Varianz 2 σG ist in diesem Modell durch den betrachteten Locus verursacht, da wir 2 keine polygene Komponente (s. Abschnitt 3.4.3) ber¨ ucksichtigt haben. σE

200

4. Kopplungsanalysen

steht f¨ ur die nichtgenetischen Komponenten (E = Umwelt). Die Heritabilit¨at (weite Definition, s. Abschnitt 3.2) ist h2 =

2 σG σ2 = 2 G 2 . 2 σT σG + σE

(4.17)

2 Die genetische Varianz σG l¨ asst sich weiter in eine additive σa2 und eine do2 = σa2 + σd2 aufspalten, und diese Varianzen k¨onnen minante Varianz σd2 zu σG mit Gl. 4.16 in Abh¨ angigkeit der obigen Parameter angegeben werden. F¨ ur die Herleitungen verweisen wir auf die exzellenten Ausf¨ uhrungen zu Varianzkomponenten von Falconer und Mackay (1989):   2 (4.18) σa2 = 2pq a − d(p − q)2 , σd2 = [2pqd] .

4.4.2 Haseman-Elston-Verfahren

Haseman und Elston (1972) betrachten n unabh¨angige Geschwisterpaare j, j = 1, . . ., n, f¨ ur die ein quantitativer Ph¨ anotyp Y hinsichtlich Kopplung mit einem Marker untersucht werden soll. Ihr Verfahren basiert darauf (s. Abschnitt 4.3), dass Geschwister mit ¨ ahnlicher ph¨anotypischer Auspr¨agung auch h¨ aufiger in den Markerallelen u ¨ bereinstimmen als ohne Kopplung zu erwarten w¨ are, und dass Geschwister mit sehr unterschiedlicher ph¨anotypischer Auspr¨ agung weniger h¨ aufig in den Markerallelen u ¨ bereinstimmen als ohne Kopplung zu erwarten w¨ are. Insofern ist es dasselbe Prinzip wie bei der Affected-Sib-Pair-Methode. ¨ Die ph¨ anotypische Ahnlichkeit wurde bei Betrachtung des Ph¨anotyps erkrankt ja/nein durch den gleichen Krankheitsstatus gesichert. Hier muss nun ¨ das ph¨ anotypische Ahnlichkeitsmaß f¨ ur einen quantitativen Ph¨anotyp definiert werden. Die beobachteten Ph¨ anotypen eines Geschwisterpaares j seien yj1 und yj2 . Dann gilt mit dem Ein-Locus-Modell des vorherigen Abschnitts yj1 yj2

= =

µ + gj1 + ej1 µ + gj2 + ej2

Haseman und Elston (1972) betrachten weiter die beobachtete quadratische ph¨ anotypische Differenz der Geschwister: zj = (yj1 − yj2 )2 = ((gj1 − gj2 ) + (ej1 − ej2 ))2 = ((gj1 − gj2 ) + εj )2 , (4.19) wobei εj = ej1 − ej2 . Es gilt E(εj ) = 0. Die Varianz des Fehlerterms sei V ar(ε) = σε2 . Im Ein-Locus-Modell ist also die quadratische Differenz der Ph¨ anotypen durch die Differenz der genotypischen Effekte der Geschwister und einen Fehlerterm gegeben.

4.4

Identity-by-Descent-Verfahren f¨ ur quantitative Ph¨ anotypen

201

Wir bestimmen nun (s. Tab. 4.7) die Verteilung der ph¨anotypischen Differenur jede Genotyp-Konstellation (Gj1 , Gj2 ) zen Zj sowie den IBD-Status IBDj f¨ der Geschwisterpaare j. Die Eintr¨ age f¨ ur Zj ergeben sich durch Einsetzen von (Gl. 4.16) in (Gl. 4.19). Die Eintr¨ age f¨ ur IBDj ergeben sich aus dem HWE sowie der Ber¨ ucksichtigung der jeweiligen IBD-Allele. So ist z.B. die Wahrscheinlichkeit P(ss,ss|IBD = 2) = P(s1 s2 , s1 s2 |IBD =2 ) = q2 , da zwei s-Allele mit den anderen zwei Allelen IBD sind und daher nur zwei von vier Allelen, hier mit s1 und s2 gekennzeichnet, als unabh¨angig und der Herkunft nach verschieden zu ber¨ ucksichtigen sind. Auf diese Weise lassen sich alle Eintr¨age f¨ ur die IBD-Verteilung nachrechnen. Tabelle 4.7. Verteilung der quadratischen ph¨ anotypischen Differenz Zj und

Identity-by-Descent-(IBD-)Verteilung zweier Geschwister mit Genotypen (Gj1 , Gj2 ).

Gj1

Gj2

Zj

IBDj =0

IBDj =1

IBDj =2

ss

ss

ε2j

q4

q3

q2

ss

Ss

(−a − d + εj )2

2pq 3

pq 2

0

p q

0

0

2pq 3

pq 2

0

pq

2pq

2

2 2

ss

SS

(−2a + εj )

Ss

ss

(a + d + εj )2

Ss

ε2j

Ss Ss SS

SS ss

2 2

4p q

(−a + d + εj ) (2a + εj )

2

SS

Ss

(a − d + εj )

SS

SS

ε2j

2

3

2p q 2 2

p q 2

3

2

p q

0

0

0 2

2p q

p q

0

p4

p3

p2

Nun stellen wir die ph¨ anotypischen Differenzen Zj in Abh¨angigkeit von den IBD-Werten dar (Rechenschritte s. Haseman und Elston 1972). Hierzu m¨ ussen die entsprechenden Terme aus Tabelle 4.7 nach dem Satz der totalen Wahrscheinlichkeit (s. Abschnitt 1.2.4) aufsummiert und anschließend mit Gl. 4.18 zusammengefasst werden. Die aufzusummierenden Terme sind f¨ ur IBDj =2 uhrt, sie ergeben sich analog f¨ ur IBDj =0. sowie IBDj =1 aufgef¨   2 2 E(Zj |IBDj = 2)=E(ε2j q 2 + 2pq + p2 ) =  E(εj ) = σε 2  2 3 3 E(Zj |IBDj = 1)=E{ε p + (−a − d + εj ) + (a + d + εj )2 pq 2  j q + pq + + (−a + d + εj )2 + (a − d + εj )2 p2 q} =σε2 + σa2 + 2σd2 E(Zj |IBDj = 0)=σε2 + 2σa2 + 2σd2 (4.20)

202

4. Kopplungsanalysen

Die erwartete quadratische ph¨ anotypische Differenz der Geschwister E(Zj ) ist also f¨ ur jeden IBD-Status eine Linearkombination der Varianzkomponenten. Wir wollen nun die Gl. 4.20 in Gl. 4.21 zusammenfassen. Hierzu ben¨otigen 2 = σa2 + σd2 , die Wahrscheinlichkeit wir die genetische Varianzkomponente σG f¨ ur IBD = 1, P(IBDj = 1), sowie den erwarteten Anteil an Allelen, πj∗ , den ein Geschwisterpaar j identisch nach Herkunft hat. Ist der IBD-Status f¨ ur das Geschwisterpaar eindeutig bekannt, so ist dieser Anteil f¨ ur IBD = 0, 1 und 2 gegeben durch πj∗ = 0, πj∗ = 0, 5 und πj∗ = 1. Allgemeiner kann der erwartete Anteil an Allelen aus der Verteilung m¨ oglicher IBD-Werte bestimmt werden: πj∗ = 0 · P (IBD = 0) + 0, 5 · P (IBD = 1) + 1 · P (IBD = 2) P (IBD = 1) + P (IBD = 2). = 2 Hiermit l¨ asst sich die erwartete quadratische ph¨anotypische Differenz nun als lineare Regression darstellen. 2 2 ∗ ) − 2σG πj + σd2 P (IBDj = 1) E(Zj |IBDj ) = (σε2 + 2σG ∗ = α + βπj + γP (IBDj = 1) = α + βπj∗ wenn σd2 = 0

(4.21)

2 2 wobei α = σε2 + 2σG , β = −2σG und γ = σd2 die Regressionskoeffizienten bezeichnen, die sich aus den obigen Varianzkomponenten definieren. Bei der Haseman-Elston-Methode wird nun vorausgesetzt, dass die dominante Vari2 = σa2 . Da die anzkomponente vernachl¨ assigbar ist, d.h. γ = σd2 = 0 und σG dominante Varianzkomponente h¨ aufig sehr viel kleiner als die additive ist, ist dann das Verfahren auch i.d.R. robust gegen¨ uber dieser Annahme. Analog zu Abschnitt 4.3.2 muss die Regressionsgleichung 4.21 nun in Abh¨angigkeit des IBDs an dem zu untersuchenden Marker M betrachtet werden (Rechenschritte s. Haseman und Elston 1972), wobei θ die Rekombinationsrate zwischen Marker M und disponierendem Locus S bezeichnet und weiterhin ur σd2 = 0 gilt dann: σd2 = 0 angenommen wird. F¨   2 E(Zj |IBDj = i) = (σε2 + 2 θ2 + (1 − θ)2 σa2 ) − 2 (1 − 2θ) σa2 πj∗ ∗ = α + βπj

Bei vollst¨ andiger Kopplung gilt β = −2 (1 − 2θ)2 σa2 = −2σa2 und bei fehlender Kopplung β = 0, da dann 1-2θ = 0 ist. Ohne Hauptgen gilt σa2 = 0 und β = 0. Der Test auf Kopplung bzgl. eines Hauptgenes (Haseman-Elston-Verfahren) nach Haseman und Elston(1972) untersucht im Rahmen der obigen linearen Regression folgende Hypothesen:

4.4

Identity-by-Descent-Verfahren f¨ ur quantitative Ph¨ anotypen

A

B

Zj

C

Zj

0

1

S*ij

2

203

Zj

0

1

S*ij

2

0

1

S*ij

2

Abbildung 4.14. Haseman-Elston-Regression der quadratischen ph¨ anotypischen Differenz

zweier Geschwister in Abh¨ angigkeit von dem IBD-Status. A: mit Kopplung, eindeutiger IBD, B: ohne Kopplung, eindeutiger IBD, C: mit Kopplung, unklarer IBD-Status.

H0 : β = 0 H1 : β < 0

(4.22)

Die zugrunde liegende Regression ist schematisch in Abb. 4.14 dargestellt. Abb. 4.14 C zeigt die Regression bei unklarem IBD-Status, wobei hier der mittlere Anteil an IBD-Allelen f¨ ur ein Geschwisterpaar aus den Daten gesch¨ atzt wird. Diese Mittelung macht die Unterscheidung zu H0 schwieriger (Cordell 2004). Ein unklarer IBD-Status f¨ uhrt wie bei den ASP-Verfahren (s. Abschnitt 4.3.3) zu einem Informationsverlust und damit zu erniedrigter Power. Das Haseman-Elston-(HE-)Verfahren wird zum Test auf Kopplung verwendet, aber i.d.R. nicht zur Sch¨ atzung der Rekombinationsrate. In den Regressionskoeffizienten treten θ und die additive Varianzkomponente σa2 gemeinsam auf, und γ wird gleich 0 gesetzt, was zu Ungenauigkeiten und Verzerrungen in der Sch¨ atzung f¨ uhrt. Verzerrungen f¨ ur den Kopplungstest durch γ = 0 sind i.d.R. vernachl¨ assigbar. Die lineare Regression setzt eine Normalverteilung der Residuen (s. Abschnitt 1.4.4) mit konstanter Varianz u ¨ ber den Wertebereich der X-Achse voraus. Eine Transformation der Variablen zur Erreichung der Normalverteilung kann angewendet werden. Die Variabilit¨at zwischen den Ph¨ anotypen der Geschwister nimmt jedoch von IBD = 2 u ¨ber IBD = 1 nach IBD = 0 h¨ aufig zu, wodurch die Annahme der konstanten Varianz verletzt wird. Dieses Problem l¨ asst sich durch die Anwendung der gewichteten Methode der kleinsten Quadrate (weighted least squares) l¨osen (Amos et al. 1989). F¨ ur die zahlreichen Erweiterungen des HE-Verfahrens sei auf eine Spezialausgabe der Zeitschrift Human Heredity zum 30-j¨ ahrigen Erscheinungsjubil¨aum

204

4. Kopplungsanalysen

¨ des Originalartikels sowie auf einen Uberblicksartikel verwiesen (Ott (Hrsg.) 1998, Feingold 2001). U.a. finden sich dort eine Erweiterung f¨ ur Kopplung mit dem X-Chromosom (Wiener et al. 2003) sowie Entwicklungen ad¨aquater Regressionen f¨ ur verschiedene Typen von Geschwistern auf der Basis sogenannter verallgemeinerter Sch¨atzgleichungen (Generalized Estimation Equations, GEE, Olson und Wijsman 1993, Blossey et al. 1993), die robuste Sch¨atzer der Kovarianzmatrix (s. n¨ achster Abschnitt) verwenden. Einige Erweiterungen ber¨ ucksichtigen zur Ausnutzung der vollen Information u ¨ ber die Ph¨anotypen der zwei Geschwister nicht nur die Differenz Yj1 − Yj2 sondern auch die oßen entwickelte Elston (Elston et Summe Yj1 + Yj2 . Auf der Basis dieser Gr¨ al. 2000) ein verbessertes HE-Verfahren (Haseman-Elston-revised), das n¨aherungsweise mit der Varianzkomponentenanalyse (s. u.) identisch ist (Sham und Purcell 2001). Powerberechnungen f¨ ur das HE-Verfahren sind Powerberechnungen f¨ ur den Test auf Steigung Null bei der linearen Regression unter Ber¨ ucksichtigung eines Segregationsmodels, das im Idealfall ad¨aquat gesch¨atzt wurde (s. Kapitel 3). Sie sollten das verwendete HE-Verfahren ber¨ ucksichtigen (Chen et al. 2004). Haseman-Elston-revised hat dabei eine gr¨oßere Power als das urspr¨ ungliche HE-Verfahren. Die Heritabilit¨ at eines QTLs (quantitative trait locus) muss mindestens 10% betragen, um zu realistischen Stichprobengr¨oßen f¨ uhren zu k¨ onnen. 4.4.3 Varianzkomponentenanalyse

Wir betrachten nun das gemischte Modell (s. Abschnitt 3.4.3), bestehend aus Hauptgen, polygener Komponente und Umweltkomponente, das wir der Einfachheit halber noch nicht im vorherigen Abschnitt betrachtet haben. Zus¨atzlich k¨ onnen noch Kovariablen in die Regressionsgleichung des gemischten Modells eingef¨ uhrt werden. F¨ ur die Statistiker sei bemerkt, dass in diesem gemischten Modell die beobachteten Kovariablen die festen Effekte und die nicht-beobachteten die zuf¨ alligen Effekte im Sinne eines klassischen RandomEffects-Modells darstellen. F¨ ur die Varianz des Ph¨anotyps gilt: 2 V(yj ) = σa2 + σd2 + σP2 + σE

Diese Addition der Varianzen setzt voraus, dass die polygene (P) und die Umweltkomponente (E) nicht miteinander korrelieren bzw. die Kovarianz (s.u.) zwischen ihnen Null ist. Bei der Varianzkomponentenanalyse (VC-Analyse, variance components analysis) wird statt der quadratischen ph¨ anotypischen Differenz die Kovarianz zwischen zwei Personen betrachtet. Sie ist definiert durch (s. Abschnitt 1.2.2): COV (Yj1 ,Yj2 ) = E(Yj1 − E(Yj1 ))E(Yj2 − E(Yj2 )).

4.4

Identity-by-Descent-Verfahren f¨ ur quantitative Ph¨ anotypen

205

F¨ ur einen Stammbaum mit n Personen hat die Kovarianzmatrix Ω n Zeilen und n Spalten und tr¨ agt an der Position der i-ten Zeile und j-ten Spalte den Eintrag COV(Yi ,Yj ). An Position (i,i) steht die Varianz der i-ten Person. Amos (1994) modelliert nun die Kovarianzmatrix der ph¨anotypischen Werte in einem Stammbaum in Abh¨ angigkeit von den genetischen Varianzkomponenten, den IBD-Werten und der Rekombinationsrate in der folgenden Form: ∗ ∗ 2 ) = f (θ, πij )σa2 + g(θ, π1j )σd2 + Φij σP2 + IσE , COV (yi ,yj |πij

(4.23)

∗ wobei f (θ, πij ) f¨ ur verschiedene Verwandtschaftstypen berechnet werden kann (Amos et al. 1990). Außer bei Geschwistern ist π1j = P(IBD = 2) = 0, da andere Verwandtschaftspaare nur ein Allel gemeinsam nach Herkunft geerbt haben k¨ onnen. F¨ ur π1j = 0 gilt jedoch g(θ, π1j ) = 0, ohne dass hier auf ∗ ) und g(θ, π1j ) eingegangen werden soll. Dadie genauer Form von f (θ, πij mit entf¨ allt die dominante Varianzkomponente σd2 außer bei Geschwistern, aber auch bei Geschwistern wird sie h¨ aufig weggelassen, da wie beim HE2 Verfahren σd =0 gesetzt wird. Der Verwandtschaftskoeffizient (coefficient of relationship, s. Abschnitt 2.2.1.5), Φij , ist der erwartete Anteil an Allelen, die zwei verwandte Personen IBD haben, wenn das ganze Genom betrachtet wird. Er beschreibt also die genetische Korrelation zwischen den verwandten Personen außer am betrachteten Hauptgen, also die polygene Komponente. (I ist die Identit¨ats- oder Einheitsmatrix. Die Elemente der Matrix sind Einsen auf der Hauptdiagonalen und sonst Nullen. Sie dient dazu, die zuf¨allige 2 zu beschreiben, und ist daher nichtgenetische Varianz eines Individuums σE nur f¨ ur i = j von Null verschieden.) Dem gemischten Modell nach Abschnitt 3.4.3 liegen Normalverteilungsannahmen zugrunde. Die Normalverteilung ist eindeutig durch den Erwartungswert und die Varianz beschrieben (s. Abschnitt 1.2.2). Betrachten wir nun einen Stammbaum, so werden hier die Ph¨ anotypen durch eine multivariate Normalverteilung (eine Dimension pro Person) dargestellt, die eindeutig durch die Erwartungswerte und die Kovarianzmatrix Ω bestimmt wird. Die Varianzkomponenten und die Regressionskoeffizienten β f¨ ur die Kovariablen X werden nun als Maximum-Likelihood-Sch¨ atzer mittels der Log-Likelihood der multivariaten Normalverteilung gesch¨ atzt:

1 n ln(2π) − ln |Ω| 2 2 1 − (y − X  β) Ω−1 (y − X  β) 2

2 , β|y, X) =− ln L(σa2 , σd2 , σP2 , σE

(4.24)

wobei die Kovarianzmatrix aus Gl. 4.23 eingeht ( bedeutet transponiert). Der Test f¨ ur Kopplung auf der Basis der Varianzkomponentenanalyse ist nun ein Likelihood-Ratio-Test (s. Exkurs 3). Unter der Nullhypothese betrach-

206

4. Kopplungsanalysen

tet man ein rein polygenes Modell ohne Hauptgenkomponente, unter der Alternative l¨ asst man das gemischte Modell zu. Der Test ist bei Nutzung der Log10 -Likelihood im Wesentlichen identisch zum klassischen LOD-Score. ∗ )σa2 f¨ ur die In der Kovarianzmatrix (s. Gl. 4.23) steht der Ausdruck f (θ, πij Kopplung mit dem Hauptgen. Aus der Form von f ergibt sich, dass sich atzen lassen, daher wird h¨aufig θ = 0 θ und σa2 nicht gut gemeinsam sch¨ gesetzt. Je nach den Parametern des Modells und der Familienkonstellation kann es zu Situationen kommen, in denen sich auch sonst nicht alle Parameter sch¨ atzen lassen. Die Sch¨ atzung der Heritabilit¨at als Effektmaß ist m¨oglich als Gesamtheritabilit¨ at (relativer Varianzanteil) im rein polygenen Modell. Die Aufteilung der Heritabilit¨ at in die des betrachteten QTLs (rel. Varianzkomponente, Hauptgen) und diejenige, die nicht auf den QTL zur¨ uckzuf¨ uhren ist (rel. Varianzkomponente, Polygene) ist im gemischten Modell m¨oglich. In der ”Rest”-Heritabilit¨ at sind dann nicht nur Polygene sondern auch nicht betrachtete Hauptgene oder Oligogene enthalten. Sind die Normalverteilungsannahmen verletzt oder gibt es Personen oder Stammb¨ aume mit Ph¨ anotypen, die bzgl. des gemischten Modells sehr extrem sind (Ausreißer, s. Abschnitt 1.4.4), kann es zur Vergr¨oßerung des Fehlers 1. Art und zu Verzerrungen der Sch¨ atzer kommen. Daher sollte mindestens eine Sensitivit¨ atsanalyse stattfinden. Bei einer VC-Analyse von Scholz et al. (1999) z.B. zeigten sich bei einer genomweiten Suche (s. n¨achster Abschnitt) mehr als 40 LOD-Scores > 3. Bei dem betrachteten Ph¨anotyp lagen beide genannten Probleme vor. Durch eine Logarithmus-Transformation des Ph¨anotyps blieben nur noch 6 LOD-Scores > 1. Lassen sich keine Transformationen zur Normalverteilung durchf¨ uhren, kann z.B. auf Quasi-Likelihood-Verfahren (Amos 1994, Amos et al. 1996) zur¨ uckgegriffen werden. Diese erlauben die Durchf¨ uhrung einer VC-Analyse, wenn zu wenig Information zur Bildung der Likelihoodfunktion vorhanden ist, dennoch aber Annahmen u ¨ ber die Mittelwerte und Kovarianzen gemacht werden k¨ onnen. Bei der Varianzkomponentenanalyse ist es m¨oglich, Stammb¨aume mit verschiedenen Verwandtschaftsgraden, Kovariablen, mehrere QTLs und mehrere Ph¨ anotypen gleichzeitig zu betrachten. Diese Erweiterungen k¨onnen zu einer Erh¨ ohung der Power f¨ uhren. Eine weitere Erh¨ ohung der Power kann durch selektive Rekrutierung extremer Ph¨ anotypen f¨ ur eine VC-Analyse erreicht werden. Die Stammb¨aume sind dann keine Zufallsstichprobe aus der Population mehr. Daher m¨ ussen die Likelihoods bei diesen Designs f¨ ur die Auswahlverzerrung korrigiert werden, die Korrektur funktioniert prinzipiell wie in Abschnitt 3.3. Kernfamilien k¨ onnen z.B. danach rekrutiert werden, dass mindestens eines der Geschwister i einen besonders hohen (oder niedrigen) Ph¨ anotyp yi > c (yi < c) hat, z.B. BMI > 30, also ein u bergewichtiges Kind. Die Grenze c kann dabei entweder ¨

4.5

Genomweite Kopplungsanalyse

207

durch einen Wert oder durch Quantile (s. Abschnitt 1.2.2) der Verteilung in der Bev¨ olkerung (z.B. beim BMI entsprechend der Altersklasse und dem Ge¨ schlecht der Kinder) festgelegt werden. Ublich ist hierbei z.B. nur die obersten 10% der Verteilung zu rekrutieren. Familien k¨onnen auch danach rekrutiert werden, dass nur extrem konkordante oder extrem diskordante Geschwisterpaare rekrutiert werden, also z.B. Geschwisterpaare, bei denen beide sehr d¨ unn oder beide sehr dick sind bzw. von denen eines sehr d¨ unn und das andere sehr dick ist. Bei diesen Designs f¨ ur extreme Geschwisterpaare (Risch und Zhang 1995, 1996) kann die Power unter Umst¨anden extrem steigen, vor allem, wenn nach einem seltenen Mendelschen Hauptgen gesucht wird. Um Stammb¨ aume von Probanden mit extremen Werten aus einer Bev¨olkerung rekrutieren zu k¨ onnen, m¨ ussen jedoch große Kohorten zur Verf¨ ugung stehen. Dies erschwert die Rekrutierung einer hinreichenden Stichprobe aus Familien mit extremen Geschwisterpaaren in der Praxis sehr. Zur weiteren Lekt¨ ure u ¨ ber VC-Analyse sei noch auf eine Spezialausgabe der Zeitschrift Behavior Genetics im Jahre 2004 verwiesen (Hewitt (Hrsg.) 2004).

4.5 Genomweite Kopplungsanalyse 4.5.1 Betrachtung mehrerer Marker

Bisher haben wir einen einzelnen Markerlocus M und seine Kopplung zu dem Krankheitsgenlocus D mittels der sogenannten Zwei-Punkt-Kopplungsanalyse untersucht. Nun wollen wir Mehrpunkt-Verfahren zur Kopplungsanalyse entwickeln, d.h. wir untersuchen mehrere benachbarte Markerloci t, t = 1, . . ., T, und ihre Kopplung zu D, weil dadurch der Informationsgehalt erh¨oht werden kann. Die meisten heutigen Mehrpunkt-Kopplungsanalysen (multipoint linkage analysis) dienen dazu, das gesamte Genom oder auch bestimmte Regionen systematisch mit zahlreichen Markern auf Kopplung zu einem disponierenden Locus f¨ ur eine Krankheit zu untersuchen. Hierf¨ ur ist im Gegensatz zu Kandidatengenen kein biologisches Vorwissen (z.B. Genfunktion) bzgl. der Krankheit erforderlich. Ein sehr typisches Design ist es, ca. 350-700 Mikrosatelliten mit einem durchschnittlichen Markerabstand von ca. 5-10cM in einem Geschwisterpaaransatz oder auch in gr¨ oßeren Familien hinsichtlich Kopplung zu betrachten. Als fr¨ uhes Bespiel betrachten wir die bereits mehrfach angesprochene Kopplungsanalyse zum Brustkrebs auf Chromosom 17 (Hall et al. 1990). Tab. 4.8 zeigt die Ergebnisse der LOD-Score-Analyse (s. Abschnitt 4.2) f¨ ur 3 Marker, die gemeinsam in einer Mehrpunkt-Kopplungsanalyse untersucht wur-

4.5

208

4. Kopplungsanalysen

den. Gegen¨ uber der Originalver¨ offentlichung ist die Tabelle verk¨ urzt dargestellt - unter Auslassung einiger Rekombinationsraten und ohne den vierten Marker. Die Tabelle gibt in der dritten Zeile die Markerkarte f¨ ur die Marker relativ zum Marker D17S78 (in Einheiten f¨ ur θ) an. Die LOD-Score Ergebnisse, die sich aus den Likelihoods bei simultaner Markerbetrachtung ergeben, sind getrennt f¨ ur die Familien in den drei Altersgruppen f¨ ur das mittlere Alter bei Krankheitsbeginn angegeben. In der Tabelle wurden auch LOD-Scores f¨ ur Stellen ohne Marker interpoliert. F¨ ur D17S74 zeigt sich bei den J¨ ungeren gute Evidenz f¨ ur Kopplung (max. LOD-Score 5,41 nahe bei D17S74) und auch Evidenz gegen Kopplung in den beiden anderen Altersgruppen. Tabelle 4.8. Mehrpunkt-LOD-Scores (Programm LINKAGE) f¨ ur 3 Marker auf

Chromosome 17 in einer Kopplungsstudie zu Brustkrebs (Tab. 2, Hall et al. 1990, Tabelle verk¨ urzt und ohne den vierten Marker dargestellt) mittleres Alter bei Diagnose A: Familien 1-7: A≤45 Jahre, Familien 8-15: 46≤A≤51 Jahre, Familien 16-23: A≥52 Jahre. Mehrpunkt-LOD-Score (Marker, genetischer Abstand θ zu D17S78) D17S78

D17S41

D17S74

Fam

0,000

0,060

0,100

0,140

0,160

0,184

0,208

0,256

1-7

+2,83

+3,47

+3,41

+4,60

+5,24

+5,41

+5,24

+4,48

8-15

-0,30

+0,03

-0,20

-2,71

-9,14

-5,61

-4,24

-2,78

16-23

-6,70

-5,52

-6,98

-7,94

-15,21

-8,94

-6,79

-5,03

Auch f¨ ur den IBD-Status an einem Markerlocus t∗ kann die Betrachtung benachbarter Marker zus¨ atzliche Information liefern und somit zu einer Kopplungsanalyse mit gr¨ oßerer Power f¨ uhren. Als Beispiel betrachten wir die Familie aus Abb. 4.15 mit drei typisierten Markern t = 1, 2 und 3. Die Marker seien auf dem Chromosom so eng benachbart, dass Doppelrekombinationen ausgeschlossen werden k¨ onnen. Die Genotypen der Marker sind bei jedem Mitglied der Familie untereinander angeordnet. Betrachten wir nur den mittleren Marker t∗ = 2, so ist P(IBD = 1) = P(IBD = 2) = 1/2, da das Allel 5 identisch nach Herkunft geerbt wurde, dies aber bei den v¨aterlichen Allelen 3 nicht gekl¨ art werden kann. Betrachten wir alle drei Loci, so wurde jeweils der Haplotyp 1-3-2 vom Vater geerbt. Ohne Doppelrekombinationen gilt f¨ ur t∗ =2 somit P(IBD=2)=1. Mit Hilfe benachbarter Marker konnte der IBD-Status hier also eindeutig bestimmt werden. Bei den heutigen Mehrpunkt-Verfahren wird der IBD-Status an einer Position t∗ des Genoms unter Ausnutzung aller Informationen auch der benachbarten Marker m¨ oglichst genau bestimmt, um anschließend einen Kopplungstest am uhren. Hierzu wird nicht direkt der IBDbetrachteten Marker t∗ durchzuf¨ Status berechnet, sondern Vererbungsvektoren (inheritance vectors), die wir

4.5

Genomweite Kopplungsanalyse

12 33 24

79 15 66

19 35 26

19 35 26

209

Abbildung 4.15. Kernfamilie mit 3 eng benachbarten Markern.

in Abschnitt 4.5.2 f¨ ur einen Marker zun¨ achst ohne Ber¨ ucksichtigung der anderen einf¨ uhren. Durch die Vererbungsvektoren werden Meiosen und damit die Vererbungswege im Stammbaum beschrieben. In Abschnitt 4.5.3 erkl¨aren wir das Mehrpunkt-Verfahren unter Ber¨ ucksichtigung benachbarter Marker. Der hierbei verwendete Lander-Green-Algorithmus wird im Exkurs 4 beschrieben. Anschließend k¨ onnen parametrische und nichtparametrische Kopplungstests (s. Abschnitte 4.1-4.3) folgen. Das Verfahren betrachtet bei der Verteilung der Vererbungsvektoren die Marker gleichzeitig. Der anschließende Kopplungstest ist jedoch nicht ”Mehrpunkt”, vielmehr wird ein Kopplungstest f¨ ur jeden einzelnen Marker durchgef¨ uhrt. Bei einer typischen genomweiten Suche mit ca. 350-700 Mikrosatellitenmarker macht dies eine Adjustierung f¨ ur das massive Mehrfachtesten (s. Abschnitt 1.4.3) erforderlich. Hierauf werden wir in Abschnitt 4.5.4 eingehen. 4.5.2 Vererbungsvektoren bei Betrachtung eines Markers

Der Vererbungsvektor νt an einem Locus t beschreibt in einem Stammbaum die Herkunft der Allele bei den t=1,. . . , 2n elterlichen Meiosen aller n NichtGr¨ under (s. Abschnitt 1.3.3), d.h. ob das Allel großv¨aterlicher- oder großm¨ utterlicherseits vererbt wurde. Damit enth¨ alt er alle f¨ ur die Kopplung relevanten Informationen. Der Pfeil bezeichnet einen Vektor. Die einzelnen Elemente des Vererbungsvektors, die keinen Pfeil tragen, sind f¨ ur Nicht-Gr¨ under i, i=1,. . . ,n:  0 paternale M eiose : großv¨ aterliches Allel wurde geerbt νt,i[0] = 1 paternale M eiose : großm¨ utterliches Allel wurde geerbt  0 maternale M eiose : großv¨ aterliches Allel wurde geerbt νt,i[1] = 1 maternale M eiose : großm¨ utterliches Allel wurde geerbt F¨ ur die i-te Person beschreibt die erste Position (bezeichnet durch [0]) die Herkunft bei der paternalen Meiose und die zweite Position (bezeichnet durch

210

4. Kopplungsanalysen

[1]) die Herkunft bei der maternalen Meiose. Der so definierte Vererbungsvektor hat also insgesamt die L¨ ange 2n. Als Beispiel betrachten wir Abb. 4.16.A mit Sohn und Tochter. Der Vererange 4. Die beiden ersten Positionen beschreiben die bungsvektor νt hat die L¨ Vererbung beim Sohn und die beiden letzten die Vererbung bei der Tochter. Wir nehmen als Gr¨ under-Konvention an, dass die Eltern (allgemein die Gr¨ under) jeweils das linke Allel vom Großvater und das rechte Allel von der Großmutter geerbt haben. Außer bei den Gr¨ undern eines Stammbaums wird jedoch weiterhin das kleinere Allel bei Genotypen links genannt (s. Abschnitt 1.3.3). Der Vererbungsvektor ist dann νt = (0,1,0,0). Die erste Position ist 0, da der Sohn vom Vater Allel 3, also das linke, großv¨aterliche geerbt hat. Die zweite Position ist 1, da er von der Mutter Allel 2, also das großm¨ utterliche geerbt hat. Die dritte und vierte Position sind 0, da die Tochter von beiden Eltern das linke Allel geerbt hat. An der ersten und dritten Position des Vererbungsvektors steht die Herkunft der paternalen Allele f¨ ur das Geschwisterpaar. Die Geschwister haben beide das linke, großv¨aterliche geerbt, damit ist dieses Allel identisch nach Herkunft. An der zweiten und vierten Position des Vektors steht die Herkunft der maternalen Allele. Die Geschwister haben hier Allele unterschiedlicher Herkunft geerbt, also gilt insgesamt IBD=1. Der IBD-Status l¨ asst sich aus dem Vererbungsvektor eindeutig bestimmen. A 3 4

B 1 2

?

1 2 Abbildung 4.16. Kernfamilien mit

zwei erkrankten Geschwistern und

2 3

1 3

2 3

1 3

Eltern. A: vollst¨ andig typisiert, B: Vater nicht typisiert.

Als zweites Beispiel betrachten wir den Stammbaum in Abb. 4.16.B, bei dem der Vater nicht typisiert ist. Im Vererbungsvektor sind nur die m¨ utterlichen Meiosen, also die Positionen zwei und vier, eindeutig bestimmt. An den Positionen eins und drei k¨ onnen die Werte 0 oder 1 auftreten. Die Wahrscheinlichkeiten P ( ν ) der vier m¨ oglichen Vererbungsvektoren h¨angen von der uhrt, wobei X Allelh¨ aufigkeit p3 des Allels 3 ab. Sie sind in Tab. 4.9 aufgef¨ alle anderen Allele außer Allel 3 bezeichnet. Der Vater hat den Genotyp 33 oder 3X. Die Wahrscheinlichkeit, dass der Vater homozygot 33 ist, ist hier p3 (bedingt auf die Stammbaum- und Genotyp-Information), da der Vater auf jeden Fall ein Allel 3 haben muss. Alle Vererbungskombinationen f¨ ur die 1 Allele der Geschwister haben dann die Wahrscheinlichkeit /4. Ist der Vater heterozygot 3X, so tragen die Geschwister das gleiche Allel nach Herkunft,

4.5

Genomweite Kopplungsanalyse

211

die beiden letzten Zeilen der Tabelle unterscheiden dann nur, ob die gleiche Herkunft großv¨ aterlicher- oder großm¨ utterlicherseits ist. Beide M¨oglichkeiten sind gleichwahrscheinlich. Die letzte Spalte gibt an, wie die Wahrscheinlichkeiten f¨ ur mehrere Vererbungsvektoren zu der Wahrscheinlichkeit f¨ ur den IBD-Status zusammengefasst werden k¨ onnen. Tabelle 4.9. Vererbungsverteilung und IBD-Status f¨ ur Stammbaum 4.16.B.  ν

IBD

Genotyp des Vaters

P ( ν)

(0,1,1,0)

0

33

1/4

· p3 · p3

(1,1,0,0)

0

33

1/4

(0,1,0,0)

1

33 oder 3X

1/4·p 3

P(IBD) P(IBD=0) = 1/4 · p3

+ 1/2·(1−p3 )

P(IBD = 1) = 1/2 · p3 + (1-p3 ) =1 - 1/2 · p3

(1,1,1,0)

1

1/4·p 3

33 oder 3X

+ 1/2·(1−p3 )

Als letztes Beispiel betrachten wir den Stammbaum in Abb. 4.17.A und den under (d.h. der Vererbungsvektor νt =(0,0,1,0,0,1). Die Markerallele der Gr¨ Großeltern und des Vaters) sind beliebig mit M1 ,. . . , M6 nummeriert, man kann dies als ”Platzhaltergenotypen” bezeichnen. Abb. 4.17.B zeigt, dass sich mit Hilfe des Vererbungsprozesses der ”Vererbungsweg” der Gr¨ underallele durch den Stammbaum nachzeichnen l¨ asst, so dass sich die Genotypen der Nicht-Gr¨ under (hier Mutter, Bruder der Mutter und Sohn) aus Vererbungsvektor und Platzhaltergenotypen ergeben. F¨ ur die Gr¨ under haben wir wie beim ersten Beispiel angenommen, dass links das großv¨aterliche Allel steht. A

1

6

**

M3 M4

M1 M2

5

4

M5 M6

2

1

M3 M4

M1 M2

3

B

2

**

3 M5 M6

5

4

6

M1 M3

M2 M3

( 0,0,1,0,0,1 )

**

M3 M5

Abbildung 4.17. Stammbaum mit Platzhaltergenotypen f¨ ur die Gr¨ under. A: mit

Vererbungsvektor f¨ ur die Nicht-Gr¨ under, B: mit Genotypen f¨ ur die Nicht-Gr¨ under.

212

4. Kopplungsanalysen

Es l¨ asst sich also einerseits aus einem Stammbaum der Vererbungsvektor bzw. dessen Wahrscheinlichkeitsverteilung bestimmen, und andererseits k¨onnen in einem Stammbaum mit Hilfe des Vererbungsvektors und der Genotypen der Gr¨ under die Genotypen der Nicht-Gr¨ under bestimmt werden. Bei Kopplungsanalysen ist nur die Herkunft der Allele wichtig, jedoch nicht das spezifische Allel. Daher k¨ onnen die Genotypen der Eltern durch Durchnummerierung und die Herkunft der Allele durch die obige Gr¨ under-Konvention festgelegt werden. Nun wollen wir die Verteilung der Vererbungsvektoren im Stammbaum betrachten. Dazu m¨ ussen zun¨ achst alle m¨ oglichen Meiosen aufgelistet werden. F¨ ur einen Stammbaum mit n Nicht-Gr¨ undern (n = non-founder) gibt es 2n ogliche Vererbungsvektoren, da jede Position des Meiosen und damit 22n m¨ Vererbungsvektors nur die Werte 0 oder 1 annehmen kann. Die Konvention, dass bei den f Gr¨ undern (f = founder) links das großv¨aterliche Allel steht, wurde eingef¨ uhrt, um die Zahl der zu betrachtenden m¨oglichen Vererbungsvektoren auf 22n−f zu reduzieren. Es sei hier erw¨ahnt, dass dies ohne Verf¨ alschungen in der Analyse m¨ oglich ist und zu einer sehr wichtigen Reduktion der Rechenvorg¨ ange im Computeralgorithmus f¨ uhrt. Die Gr¨ underKonvention fasst n¨ amlich alle Vererbungsvektoren in einer Gruppe zusammen, bei denen die Kopplungsinformationen im Stammbaum identisch ist, und sich nur die unbeobachteten Meiosen von den Eltern der Gr¨ under auf die Gr¨ under unterscheiden w¨ urden. Daher kann diese Konvention ohne Verlust der Allgemeinheit f¨ ur Kopplungsanalysen benutzt werden. Ist f¨ ur den Stammbaum keine Markerinformation ϕ (ϕ f¨ ur Genotyp des Markers) bekannt, so bezeichnet man die Verteilung der Vererbungsvektoren als a-priori-Verteilung, und alle m¨ oglichen Vererbungsvektoren j = 1, . . ., 22n−f sind gleichwahrscheinlich: P ( νt = νt,j ) =

1 22n−f

f¨ ur j = 1, . . ., 22n−f .

Am Locus t kann man f¨ ur jeden gegebenen Vererbungsvektor νt,j die Wahrscheinlichkeit f¨ ur die Markergenotypen im Stammbaum, P (ϕt | νt,j ), mit Hilfe von Platzhaltergenotypen der Gr¨ under (s. Beispiel im vorherigen Abschnitt) berechnen. Wir hatten am Ende des Abschnitts 4.5.1 das Ziel formuliert, die Verteilung der Vererbungsvektoren bei den in einem Stammbaum vorliegenden Markergenotypen zu berechnen. Diese Verteilung bezeichnet man als a-posteriori-Verteilung der Vererbungsvektoren, P ( νt,j |ϕt ), und sie l¨asst sich

4.5

Genomweite Kopplungsanalyse

213

nun mittels des Bayes-Theorems (s. Gl. 1.3) bestimmen: P ( νt,j |ϕt ) =

P (ϕt | νt,j )P ( νt,j ) 22n−f

(4.25)

P (ϕt | νt,j )P ( νt,j )

j=1

4.5.3 Vererbungsvektoren bei Betrachtung mehrerer Marker

Nun betrachten wir zahlreiche Markerloci t, t=1,. . . , T, in einer genomweiten Suche mit den bekannten Rekombinationsraten θ1 , θ2 , ..., θT −1 zwischen ihnen. Ziel ist die Bestimmung der a-posteriori-Verteilung der Vererbungsvektoren an einem Locus t∗ bei Verwendung der Markerinformationen an allen Loci t. Formal ist dies die Erweiterung der Gl. 4.25: P ( νt∗ ,j |ϕ1 , ϕ2 , ..., ϕT ) =

P (ϕ1 , ϕ2 , ..., ϕT | νt∗ ,j )P ( νt∗ ,j ) 22n−f

(4.26)

P (ϕ1 , ϕ2 , ..., ϕT | νt∗ ,j )P ( νt∗ ,j )

j=1

Gl. 4.26 ist rechnerisch schwierig. Die Berechnung der Vererbungsverteilung erfolgt durch den Lander-Green-Algorithmus. Dieser liefert eine rekursive Berechnung der Likelihood der Vererbungsvektoren (s. Exkurs 4, Gl. 4.27). Typisierte Nachbarmarker k¨ onnen hierbei zur Sicherung der IBD-Information beitragen (s. Abschnitt 4.5.1), so dass der Einfluss der Allelh¨aufigkeiten bei fehlenden Eltern auf eine genomweite Kopplungsanalyse deutlich geringer ist als bei Zwei-Punkt-Verfahren (s. Abschnitte 4.2.2 und 4.3.3.2). Beim Lander-Green-Algorithmus wird u ¨ ber die verschiedenen Marker summiert, aber f¨ ur jeden Marker muss der volle Vererbungsvektor aller Meiosen gebildet werden. Hieraus ergeben sich die Grenzen des Algorithmus: Die Zahl der Rechenschritte steigt linear mit der Markerzahl und exponentiell mit der Zahl der Meiosen. Grob wird die Durchf¨ uhrbarkeit des Algorithmus durch die Zahl 2n − f bestimmt, Stammb¨ aume d¨ urfen also f¨ ur Mehrpunktanalysen nicht zu groß sein. Im Gegensatz hierzu darf die Markerzahl beim ElstonStuart-Algorithmus (Gl. 4.8) nicht zu groß sein, da die Rechenschritte dort linear mit der Personenzahl und exponentiell mit der Markerzahl wachsen.

214

4. Kopplungsanalysen

Exkurs 4: Der Lander-Green-Algorithmus Der Lander-Green-Algorithmus (Lander und Green 1987) basiert auf einem versteckten Markov-Modell (hidden Markov model), das in Abb. 4.18 dargestellt ist. Es werden zwei Prozesse bzw. Ketten entlang eines Chromosoms betrachtet, n¨ amlich die Markergenotypen, die an den Loci t=1,. . . ,T beobachtet werden und die Vererbungsvektoren, die nicht beobachtet werden, sondern versteckt liegen.

M1

M2

Mt-1

Q1

Q2

Qt-1

T1

Tt-1

Qt

Mt+1

Mt+2

MT

Qt+1

Qt+2

QT

Tt

Tt+1

Abbildung 4.18. Markergenotypen und Vererbungsprozess im Genom als verstecktes

Markov-Modell. F¨ ur die Position t im Genom seien ϕt die Markergenotypen. Der Vererbungsvektor  νt wird an Position t berechnet.

Die Vererbungsvektoren νt,i werden durch eine Markov-Kette (Markov chain) dargestellt, wobei der erste Index beschreibt, an welcher Stelle t des Genoms der Vererbungsvektor betrachtet wird. Der zweite Index, i oder j, beschreibt die Realisation der Zufallsvariable Vererbungsvektor νt , also die genaue Kombinationen von 0 und 1 im Vektor. Bei einer Markov-Kette wird die Verteilung an der Stelle t nur durch die Verteilung an der Stelle t − 1 bestimmt. Konkret gilt f¨ ur die Verteilung der Vererbungsvektoren an der Stelle t P ( νt,j | ν1 , ν2 , ..., νT ) = P ( νt,j | νt−1,i )

i, j = 1, ..., 22n−f

t = 2, ..., T

Zwischen den Loci t − 1 und t bestimmt die Rekombinationsrate θ die Ver¨ anderung des Vererbungsvektors. In Abb. 4.16.A ist der Vererbungsvektor (an der Position t − 1) νt−1 = (0,1,0,0), somit ist ohne Rekombinationen aterlichen Meiose des Sohnes eine auch νt = (0,1,0,0). Liegt aber bei der v¨ Rekombination zwischen t − 1 und t vor und bei den anderen Meiosen nicht, so ver¨ andert sich der Vererbungsvektor zu νt = (1,1,0,0). Dies geschieht mit ¨ ahlt f¨ ur den Ubergang νt−1 nach νt die der Wahrscheinlichkeit θ(1-θ)3 . Man z¨ b (b=bit) Rekombinationen zwischen t − 1 und t. P ( νt,j | νt−1,i ) = θb (1 − θ)2n−f −b

i, j = 1, ..., 22n−f

b = 0, ..., 2n − f

4.5

Genomweite Kopplungsanalyse

215

¨ Mit Hilfe dieser Ubergangswahrscheinlichkeiten kann man rekursiv den Vererbungsvektor an der Stelle t vom linken und vom rechten Chromosomenende her in der Kette der Marker bestimmen (s. Abb. 4.18). Die rekursive Formel des Lander-Green-Algorithmus f¨ ur die Likelihood der Vererbungsvektoren des Stammbaums ist: L=

  ν1

 ν2

...



P ( ν1 )

 νT

T 

( νt | νt−1 )

t=2

T 

(ϕt | νt )

(4.27)

t=1

wobei der letzte Term die Wahrscheinlichkeiten f¨ ur die Markergenotypen bei ¨ Vorliegen eines Vererbungsvektors und der vorletzte Term die Ubergangswahrscheinlichkeiten, die durch die Zahl der Rekombinationen bestimmt werden, beschreibt. Anschließend wird u ¨ber alle Vererbungsvektoren summiert, die mit den beobachteten Markergenotypen kompatibel sind. F¨ ur den Algorithmus wird die Markerkarte mit der Reihenfolge der Marker und den Rekombinationsabst¨ anden zwischen den Markern vorausgesetzt. F¨ ur eine beliebige Stelle x im Genom l¨ asst sich der Vererbungsvektor auch ohne dort vorliegende Markergenotypen bestimmen, indem eine zus¨atzliche Position x in die (nicht beobachtete) Kette der Vererbungsvektoren eingef¨ ugt wird. An Stellen ohne Marker ist nat¨ urlich die Information u ¨ ber den Vererbungsvektor kleiner als an den Stellen der benachbarten Marker. 4.5.4 Genomweite Kopplungstests

In den Abschnitten 4.5.1-4.5.3 haben wir beschrieben, wie man die vollst¨andigen Vererbungsinformationen, d.h. die IBD-Verteilung und den Vererbungsprozess im Stammbaum aus den Markergenotypen gewinnt. Der letzte Schritt der Mehrpunkt-Kopplungsanalysen ist die Einbeziehung des interessierenden Ph¨ anotyps, um schließlich an den einzelnen Positionen entlang des Genoms einen Kopplungstest durchzuf¨ uhren. An jeder Position t∗ wird ein parametrischer oder nichtparametrischer Kopplungstest durchgef¨ uhrt. Hierzu platziert man an die Stelle t∗ einen hypothetischen disponierenden Locus in die Karte ∗ und θt∗ , wenn der Marker, diese Stelle t∗ hat die Rekombinationsraten θt−1 ∗ t zwischen den benachbarten Markern t − 1 und t liegt. Nun wird angenommen, dass der Ph¨ anotyp nur vom Vererbungsvektor am disponierenden ∗ angt. Der (Zweipunktkopplungs-)Test f¨ ur Position t∗ l¨asst sich Locus t abh¨ nun wie in den Abschnitten 4.2-4.4 beschrieben durchf¨ uhren. Betrachtet man eine Position, an der ein Marker vorliegt, so ist die Rekombinationsrate des hypothetischen disponierenden Locus mit dem Marker an dieser Stelle 0 und es wird keine zus¨ atzliche Rekombinationsrate in der Markerkarte ben¨otigt. Es werden also entlang des Genoms zahlreiche Tests durchgef¨ uhrt. Eine Korrektur f¨ ur das multiple Testen (s. Abschnitt 1.4.3) sollte hierbei die Kopplung und damit die starke Abh¨ angigkeit der Marker ber¨ ucksichtigen. Lander

216

4. Kopplungsanalysen

und Kruglyak (1995) leiteten Richtlinien zur Beurteilung genomweiter Kopplungsanalysen ab, die sich daran orientieren, dass die Teststatistik mittels des Lander-Green-Algorithmus an jeder Stelle des Genoms bestimmbar ist (”dichtes Genom”). Sie definierten einheitliche Kriterien, die weite Akzeptanz gefunden haben und je nach Studiendesign und verwendeter Teststatistik zu unterschiedlichen Signifikanzgrenzen f¨ uhren (s. Tab. 4.10). Tabelle 4.10. Lander-Kruglyak-Kriterien f¨ ur Signifikanz in genomweiten

Kopplungsanalysen. Signifikanzgrenzen und LOD-Scores f¨ ur die ASP-Methode (s. Abschnitt 4.3.3). Kopplungsaussage

Erwartete H¨ aufigkeit in genomweiter Suche

Festgelegte Signifikanzgrenze

LOD-Score

vermutet

1 mal

7 x 10−4

2,2

signifikant

0,05 mal

2 x 10−5

3,6

hoch signifikant

0,001 mal

3 x 10−7

5,4

best¨ atigt

signifikant in 2 Scans

Wegen der strengen Signifikanzgrenzen ist es bei praktisch gut realisierbaren Stichprobenzahlen sehr schwer, Kopplung signifikant nachzuweisen (s. z.B. Altmuller et al. 2001). Gerade deswegen ist es auch wichtig, vermutete Kopplungsregionen zu publizieren. Haben mehrere Forschergruppen eine genomweite Kopplungsanalyse zu einer Krankheit ver¨offentlicht, ist eine Metaanalyse der genomweiten Suchen (z.B. Wise et al. 1999) sinnvoll. Hierbei kann dann u.U. eine Region auffallen, die in mehreren Populationen die Grenzen knapp nicht erreichte. Zum Schluss m¨ ochten wir nochmal kurz auf das Beispiel Brustkrebs mit der Kopplungregion auf Chromosom 17 zur¨ uckkommen (s. Abschnitt 4.5.1, Hall et al. 1990). Nachdem ein internationales Konsortium die Zahl der betrachteten Familien deutlich erh¨ ohen konnte, gelang die weitere Eingrenzung der Kopplungsregion mit einer Mehrpunkt-Kopplungsanalyse. Hierbei zeigten vor allem Familien mit Brust- und Eierstockkrebs einen Kopplungsbefund (Easton et al. 1993). Im darauf folgenden Jahr konnte das f¨ ur Brustkrebs disponierende Gen dieser Region, n¨ amlich BRCA1 identifiziert werden (Miki et al. 1994). Der Hauptschritt zur Identifizierung des zweiten Brustkrebsgens BRCA2 ergab sich durch die Betrachtung von Hochrisikofamilien, die keine Kopplung zu BRCA1 zeigten (Wooster et al. 1994).

4.6

Ausblick

217

4.6 Ausblick In diesem Kapitel haben wir die grundlegenden parametrischen und nichtparametrischen Kopplungsverfahren f¨ ur quantitative und qualitative Ph¨anotypen dargestellt. Bei den Identity-by-Descent-Verfahren (Abschnitte 4.3, 4.4) haben wir die Identit¨ at nach Herkunft zwischen Allelen verschiedener Individuen betrachtet. Sind beide Allele eines einzigen Individuums identisch nach Herkunft und ist somit das Individuum homozygot, so spricht man von Autozygosit¨at (autozygosity). Bei sehr seltenen rezessiven monogenen Mendelschen Ph¨anotypen (monogene Krankheiten oder Subgruppen komplexer Krankheiten) tritt wegen m¨ oglicher Autozygosit¨ at die Erkrankung meistens bei Nachkommen aus Verwandtenehen auf. Je seltener das disponierende Allel ist, um so gr¨oßer ist die Likelihood, das die Homozygosit¨ at eines Nachkommens aus Verwandtenehen tats¨ achlich Autozygosit¨ at darstellt. Kopplungsanalysen, die dies gezielt in die Likelihoodberechnungen f¨ ur Kopplung einbauen, nennt man autozygosity mapping oder homozygosity mapping (Lander und Botstein 1987). Bisher haben wir vorausgesetzt, dass die Verwandtschaftsverh¨altnisse bekannt sind und der Stammbaum keine Fehler aufweist. Falsche Verwandtschaften f¨ uhren zu Analysefehlern; so ist z.B. der possible triangle (s. Abschnitt 4.3.3.1) f¨ ur die MLS-Statistik bei Fehlern in den Verwandtschaftsverh¨ altnissen nicht g¨ ultig (Leutenegger et al. 2002). Falsche Vaterschaften werden in den Familienstammb¨ aumen mittels der Mendelschen Vererbungsgesetze u uft. Jedoch ist es durchaus m¨ oglich, dass beispielsweise auch ¨ berpr¨ entferntere Verwandtschaften falsch angegeben werden. Oft kommt es bei einer Rekrutierungsaktion in einer Gegend auch vor, dass getrennt mehrere Familien rekrutiert werden, bei denen sich sp¨ater herausstellt, dass sie in Wirklichkeit zu einer gr¨ oßeren Familie geh¨ oren. Auch Verwandtschaftsehen und kryptische Verwandtschaft (Leutenegger et al. 2003) m¨ ussen in der Analyse ber¨ ucksichtig werden, wof¨ ur speziellere Verfahren entwickelt wurden. Gerade bei Verwandtschaftsehen in gr¨ oßeren Stammb¨aumen sind die exakten Likelihood-Verfahren f¨ ur Kopplungsanalysen sehr schnell nicht mehr m¨oglich. F¨ ur diese komplexen Stammb¨aume mit Schleifen ist die Verwendung der MCMC-Verfahren zur approximativen Berechnung der Likelihood ur große Stammb¨aume und viele Marker m¨oglich (s. Abschnitt 4.2.3). Auch f¨ wie beispielsweise in genomweiten Suchen stoßen die exakten Verfahren an ihre Grenzen (s. Abschnitt 4.5.3). Hier gibt es die M¨oglichkeit, entweder approximative MCMC-Verfahren anzuwenden, oder beispielsweise einen großen Stammbaum in mehrere kleinere zu trennen und den damit verbundenen Informationsverlust u ¨ber die Vererbung hinzunehmen, aber m¨oglichst effektiv mit speziellen Trennungsalgorithmen vorzugehen.

4.6

218

4. Kopplungsanalysen

F¨ ur genomweite Suchen haben wir weiter oben Mikrosatellitenmarker mit multiplen Allelen erw¨ ahnt. In neuerer Zeit wurden wegen der einfacheren technologischen Handhabung kommerzielle SNP-Chips f¨ ur Kopplungsanalysen (z.B. von Illumina mit 6000 SNPs) entwickelt. Hierbei haben mehrere SNPs als Haplotypen denselben Informationsgehalt f¨ ur Kopplung wie ein Mikrosatellitenmarker, da hier vor allem die Heterozygosit¨at bzw. der PIC-Wert wichtig sind. Daher sind f¨ ur eine Kopplungsanalyse weniger als 1000 Mikrosatellitenmarter aber mehrere Tausend SNPs notwendig. Die Verwendung dichterer SNPs f¨ ur Kopplungsanalysen ist i.d.R. nicht angebracht, da die Kopplungsinformation eine h¨ ohere genetische Reichweite hat und die meisten Analyseverfahren f¨ ur Kopplung gleichzeitig voraussetzen, dass kein Kopplungsungleichgewicht zwischen den Markern vorliegt. Genomweite Kopplungsverfahren mit Ber¨ ucksichtigung des Kopplungsungleichgewichts sind aktuelles Forschungsthema in der Genetischen Epidemiologie. Bei der Interpretation der Ergebnisse ist zu beachten, dass die Aufl¨osungsm¨ oglichkeiten f¨ ur die exakte Lokalisation eines Gens u ¨ber Kopplung begrenzt sind. Oft zeigt sich ein klarer Bias, da die Lokalisation des h¨ochsten LOD Scores selbst bei klarer Signifikanz h¨ aufig nicht direkt an der richtigen Stelle liegt, sondern durchaus einige cM entfernt liegen kann. Auch ist das 1-LOD Intervall h¨ aufig groß. Im Anschluss an Kopplungsanalysen werden Finemappingstrategien zur pr¨ aziseren Lokalisation angewendet. In der Regel werden alle Gene und damit auch sinnvolle Kandidatengene in der Region identifiziert und mit funktionellen Untersuchungen und Tierexperimenten abgeglichen. Das Finemapping selbst wird mit dichteren Markerkarten mittels Kopplung und vor allem auch mittels Assoziation (s. Kapitel 5) durchgef¨ uhrt, da Assoziation bei bestehender Kopplung ein weit besseres Aufl¨osungsverm¨ogen zeigt. F¨ ur die Finemappingstrategien ist der oben erw¨ahnte Bias in der Lokalisation von fundamentaler Bedeutung. Wie weit entfernt von dem niedrigsten p-Wert m¨ ochte man noch das Finemapping betreiben, bzw. wie weit entfernt muss man es noch betreiben, um richtig positive Resultate nicht im Finemapping-Schritt wegen des Bias auszuschließen? Falls die Linkagekurve keine klare und eng begrenzte Spitze zeigt, verwenden man als Faustregel h¨ aufig eine Reichweite von ±30cM. Die Finemapping-Regionen f¨ ur komplexe Krankheiten beinhalten in der Praxis h¨aufig noch mehrere Hundert Gene. In den Zweischrittverfahren (1. Schritt: Kopplungsanalyse, 2. Schritt: Finemapping) hat sich auch gezeigt, dass die falsch-positiv Rate der Kopplungsbefunde in einem noch vertretbaren Maße ansteigt, wenn man f¨ ur die Finemapping-Strategie die bisherige Stichprobe mit weiteren Familien verwendet, im Vergleich zu der Strategie, bei der f¨ ur die urspr¨ ungliche Analyse und das Feinmapping getrennte Stichproben genutzt werden. Daher sollte ugung stehenden Familien verwenden. man f¨ ur das Finemapping alle zur Verf¨

4.7

Programme

219

4.7 Programme Das erste Programm LIPED (Ott 1974) f¨ ur Zweipunktkopplungsanalysen wurde vor u ur ¨ber dreißig Jahren entwickelt. Seitdem sind viele Programme f¨ parametrische und nichtparametrische Kopplungsanalysen, f¨ ur vorgeschaltete Qualit¨ atspr¨ ufungen und zur Abwicklung von Analysen publiziert worden. Unsere Zusammenstellung ist eine Auswahl, eine umfassende Sammlung mit Bezugshinweisen findet man auf J. Otts Webseite linkage.rockefeller.edu. LINKAGE (Lathrop und Lalouel 1984) dient zur Sch¨atzung von Rekombinationsraten sowie zur Berechnung von LOD-Scores f¨ ur Zweipunkt- und Mehrpunktanalysen. Es k¨ onnen große Stammb¨aume, aber nur begrenzte Marker-/Allelzahlen bei Mehrpunktanalysen bearbeitet werden. Schnellere Versionen sind FASTLINK (Cottingham et al. 1993) und VITESSE (O’Connell und Weeks 1995). GENEHUNTER (Kruglyak et al. 1996) nutzt den Lander-Green-Algorithmus und ist daher besonders geeignet f¨ ur Mehrpunktanalysen in moderat großen Stammb¨ aumen mit sehr vielen Markern. ALLEGRO (Gudbjartsson et al. 2000) ist eine schnellere Variante und hat fast denselben Funktionsumfang. MERLIN (Abecasis et al. 2002) erweitert den Lander-GreenAlgorithmus, um noch gr¨ oßere Datenumf¨ ange zu meistern. Die verschiedenen Versionen von GENEHUNTER erlauben je nach Softwaresuite parametrische und nichtparametrische Verfahren f¨ ur dichotome und quantitative Merkmale. Mehrere GENEHUNTER-Versionen f¨ ur spezielle Anwendungen wurden von Strauch entwickelt (z.B. imprinting, Strauch et al. 2000). Die Sch¨ atzung von Haplotypen ist mit gebotener Vorsicht m¨oglich, da besonders im Finemapping-Bereich Voraussetzungen f¨ ur die Haplotyp-Sch¨atzverfahren verletzt sein k¨ onnten. ACT (Analysis of complex traits, z.B. de Andrade et al. 1999) erlaubt die Betrachtung multivariater Ph¨anotypen in GENEHUNTER. F¨ ur IBD-Berechnungen stehen neben den diversen GENEHUNTER Varianten zahlreiche Programme und Programmpackete zur Verf¨ ugung. In GENEHUNTER und ASPEX (affected sib pairs exclusing map, Hinds und Risch, online manual) ist MLS implementiert. In GENEHUNTER, Allegro und Merlin sind NPL und insbesondere die Zlr -Statistik (Kong und Cox 1997) implementiert. Aus den oben beschriebenen Gr¨ unden (Cordell 2004) ist Zlr zu bevorzugen. Eine der bekannteren Programmsuiten ist SAGE (Statistical Analysis for Genetic Epidemiology, 2006), das von der Gruppe um Robert Elston entwickelt wurde und nun kommerziell vertrieben wird. Es enth¨alt Programme f¨ ur Segregations-, Kopplungs- und Assoziationsanalysen einschließlich parametrischer und nichtparametrischer Kopplungsanalysen. Auch die Haseman-

4.7

220

4. Kopplungsanalysen

Elston-Verfahren (Haseman und Elston 1972, Drigalenko 1998) sind dort implementiert. ACT (z.B. Amos 1994) betrachtet Varianzkomponentenanalyse mit ML- und Quasilikelihood-Verfahren. SOLAR (Sequential Oligogenetic Linkage Analysis Routines, Almasy und Blangero 1998) ist ein Programmpacket speziell f¨ ur Varianzkomponentenanalyse quantitativer Ph¨anotypen. Rechenintensive Verfahren wie Markov-Chain-Monte-Carlo-(MCMC-)Verfahren sind beispielsweise in den Programmpaketen GAP (Genetic Analysis Package, Epicenter Software 1997, entwickelt von Duncan Thomas und Kollegen) und PANGAEA (Pedigree Analysis for Genetics And Epidemiological Attributes, entwickelt von Elizabeth Thomson und Kollegen) enthalten. SAGE und einige andere Programmpackete verwenden auch eigene Routinen zur notwendigen Kontrolle der Datenqualit¨ at wie beispielsweise das Aufdecken von Mendelfehlern, d.h. Abweichungen von der Mendelschen Segregation in Familien bei den Markerdaten, sowie von falschen Verwandtschaftsangaben (z.B. Halbgeschwister statt Vollgeschwister) bei Mehrpunkt-Markerdaten. Eine graphische Darstellung zur Entdeckung von Verwandtschaftsfehlern bei genomweiten Suchen ist GRR (Graphical Representation of Relationships, Abecasis 2001). Die Durchf¨ uhrung von Kopplungsanalysen bei einer genomweiten Untersuchung wird auch von neuen bequemen Oberfl¨achen umfassend unterst¨ utzt. Datenqualit¨ atskontrolle, die Nutzung alternativer genetischer Karten, der Ablauf der Analysen und die graphische Darstellung der Ergebnisse sind m¨ oglich: ALOHOMORA (R¨ uschendorf und N¨ urnberg 2005) f¨ ur SNP-Daten. easyLINKAGE (Lindner und Hoffmann 2005) f¨ ur Mikrosatellitendaten und easyLINKAGE-plus (Hoffmann und Lindner 2005) f¨ ur SNP-Daten. Diese beiden Pakete erm¨ oglichen parametrische und nichtparametrische Kopplungsanalysen mit optionalen Analyseprogrammen. Mit SLINK (Weeks et al. 1990) oder easyLINKAGE kann in der Planungsphase die statistische Power der geplanten Studie simuliert werden; eine Auswahl weiterer Programme zur Powerberechnung f¨ ur GeschwisterpaarStudien sind ASP (Krawczak 2001) f¨ ur qualitative Ph¨anotypen und TDTPC (Transmission Disequilibrium Test Power Calculator, Chen und Deng 2001), das auch Powerberechnungen f¨ ur den mean-Test bei ASPs durchf¨ uhren kann. Der Genetic Power Calculator (Sham et al. 2000) ist auch f¨ ur Varianzkomponentenanalysen einsetzbar. Als rang-basiertes Verfahren zur Metaanalyse genomweiter Suchen stehen GSMA (Genome Search Meta Analysis, Wise et al 1999) sowie HEGESMA (Heterogeneity and Genome Search Meta-Analysis, Zintzaras und Ioannidis 2005) zur Verf¨ ugung.

4.8

Literatur

221

4.8 Literatur B¨ ucher Falconer DS, Mackay TFC (1989) Introduction to Quantitative Genetics. Longman: Essex Haines JL, Pericak-Vance MA (Hrsg.) (1998) Approaches to Gene Mapping in Complex Human Diseases. Wiley: New York Khoury MJ, Beaty TH, Cohen BH (1993) Fundamentals of Genetic Epidemiology. Oxford University Press: New York Ott J (1999) Analysis of Human Genetic Linkage. 3. Auflage Johns Hopkins University Press: Baltimore Sham P (1998) Statistics in Human Genetics. Arnold: New York. Terwilliger JD, Ott J (1994) Handbook of Human Genetic Linkage. Johns Hopkins University Press: Baltimore Thomas D (2004) Statistical Methods in Genetic Epidemiology. Oxford University Press: New York Wald A (1947) Sequential Analysis. Wiley: New York 1947 Xu J, Meyers DA, Pericak-Vance MA (1998) LOD Score Analysis. In Haines JL, Pericak-Vance MA (Hrsg.) (1998) Approaches to Gene Mapping in Complex Human Diseases. Wiley: New York Artikel Abecasis GR, Cherny SS, Cookson WO, Cardon LR (2001) GRR: Graphical representation of relationship errors. Bioinformatics 17:742-743 Abecasis GR, Cherny SS, Cookson WO, Cardon LR (2002) Merlin–rapid analysis of dense genetic maps using sparse gene flow trees. Nature Genetics 30:97-101 Almasy L, Blangero J (1998) Multipoint quantitative-trait linkage analysis in general pedigrees. American Journal of Human Genetics 62:1198-1211 Altmuller J, Palmer LJ, Fischer G, Scherb H, Wjst M (2001) Genomewide scans of complex human diseases: true linkage is hard to find. American Journal of Human Genetics 69:936-950. Erratum in: American Journal of Human Genetics (2001) 69:1413 Amos CI (1994) Robust variance-components approach for assessing genetic linkage in pedigrees. American Journal of Human Genetics 54:535-543 Amos CI, Dawson DV, Elston RC (1990) The probabilistic determination of identity-by-descent sharing for pairs of relatives from pedigrees. American Journal of Human Genetics 47: 842-853 Amos CI, Elston RC, Wilson AF, Bailey-Wilson JE (1989) A more powerful robust sib-pair test of linkage for quantitative traits. Genetic Epidemiology 6:435-449

4.8

222

4. Kopplungsanalysen

Amos CI, Zhu DK, Boerwinkle E (1996) Assessing genetic linkage and association with robust components of variance approaches. Annals of Human Genetics 60: 143-160 Barnard GA (1949) Statistical inference. Journal of the Royal Statistical Society B 11:115-135 Blackwelder WC, Elston RC (1985) A comparison of sib-pair linkage tests for disease susceptibility loci. Genetic Epidemiology 2:85-97 Blossey H, Commenges D, Olson JM (1993) Linkage analysis of Alzheimer’s disease with methods using relative pairs. Genetic Epidemiology 10:377-382 Blume JD (2002) Tutorial in Biostatistics. Likelihood methods for measuring statistical evidence. Statistics in Medicine 21:2563-2599. Boehnke M (1991) Allele frequency estimation from data on relatives. American Journal of Human Genetics 48:22-25 Chen WM, Broman KW, Liang K-Y (2004) Quantitative trait linkage analysis by generalized estimating equations: unification of variance components and Haseman-Elston regression. Genetic Epidemiology 26:265-272 Chen WM, Deng HW (2001) A general and accurate approach for computing the statistical power of the transmission disequilibrium test for complex disease genes. Genetic Epidemiology 21:53-67 Chotai J (1984) On the lod score method in linkage analysis Annals of Human Genetics 48:359-378 Clerget-Darpoux F, Babron MC, Deschamps I, Hors J (1991) Complementation and maternal effect in insulin-dependent diabetes. American Journal of Human Genetics 49:42-48 Clerget-Darpoux F, Bona¨ıti-Pelli´e C (1992) Strategies based on marker information for the study of human diseases. Annals of Human Genetics 56:145-153 Clerget-Darpoux F, Bona¨ıti-Pelli´e C, Hochez J (1986) Effects of misspecifying genetic parameters in lod score analysis. Biometrics 42:393-399 Conneally PM, Edwards JH, Kidd KK, Lalouel J-M, Morton NE, Ott J, White R (1985) Report of the committee on methods of linkage analysis and reporting. Cytogenetics and Cell Genetics 40:356-359 Cordell HJ (2004) Bias toward the nullhypothesis in model-free linkage analysis is highly dependent on the test statistic used. American Journal of Human Genetics 74:1294-1302 Cottingham RW Jr, Idury RM, Schaffer AA (1993) Faster sequential genetic linkage computations. American Journal of Human Genetics 53:252-263 Day NE, Simons MJ (1976) Disease susceptibility genes - their identification by multiple case family studies. Tissue Antigens 8:109-119 de Andrade M, Amos CI, Thiel TJ (1999) Methods to estimate genetic parameters for quantitative traits. Genetic Epidemiology 17:64-76

4.8

Literatur

223

Drigalenko E (1998) How sib-pairs reveal linkage. American Journal of Human Genetics 63:1243-1245 Easton DF, Bishop DT, Ford D, Crockford GP (1993) Genetic linkage analysis in familial breast and ovarian cancer: results from 214 families. The Breast Cancer Linkage Consortium. American Journal of Human Genetics 52:678-701 Elston RC (1998) Methods of linkage analysis – and the assumptions underlying them. American Journal of Human Genetics 63:931-934 Elston RC, Buxbaum S, Jacobs KB, Olson JM (2000) Haseman and Elston revisited. Genetic Epidemiology 19:1-17 Elston RC, Stewart J (1971) A general model for the genetic analysis of pedigree data. Human Heredity 21:523-542 Epicenter Software, Inc: GAP: The Genetic Analysis Package. Pasadena, CA, Epicenter Software, Inc 1997. Feingold E (2001) Methods for linkage analysis of quantitative trait loci in humans. Theoretical Population Biology 60:167-180 Felsenstein J (1979) A mathematically tractable family of genetic mapping functions with different amounts of interference. Genetics 91:769-775 Genin E, Martinez M, Clerget-Darpoux F (1995) Posteriori probability of linkage and maximal lod score. Annals of Human Genetics 59:123-132 Gudbjartsson DF, Jonasson K, Frigge ML, Kong A (2000) Allegro, a new computer program for multipoint linkage analysis. Nature Genetics 25:12-13 Haldane JBS, Smith CAB (1947) A new estimate of the linkage between the genes for colour-blindness and hemophilia in man. Annals of Eugenics 14:10-31 Hall JM, Lee MK, Newman B, Morrow JE, Anderson LA, Huey B, King MC (1990) Linkage of early-onset familial breast cancer to chromosome 17q21. Science 250:1684-1689 Haseman JK, Elston RC (1972) The investigation of linkage between a quantitative trait and a marker locus. Behaviour Genetics 2:3-19 Hewitt JK (Hrsg.) (2004) Behavior Genetics 34: Ausgabe 2 Hodge SE, Elston RC (1994) Lods, Wrods and Mods. The interpretation of lod scores calculated under different models. Genetic Epidemiology 11:329342 Hoffmann K, Lindner TH (2005) easyLINKAGE-Plus – automated linkage analyses using large-scale SNP data. Bioinformatics 21:3565-3567 Holmans P (1993) Asymptotic properties of affected-sib-pair linkage analysis. American Journal of Human Genetics 52:362-374 James JW (1971) Frequency in relatives for an all-or-none trait. Annals of Human Genetics 35:47-48

224

4. Kopplungsanalysen

Knapp M, Seuchter SA, Baur MP (1994a) Linkage analysis in nuclear families. 1: Optimality criteria for affected sib-pair tests. Human Heredity 44:37-43 Knapp M, Seuchter SA, Baur MP (1994b) Linkage analysis in nuclear families. 2: Relationship between affected sib-pair tests and lod score analysis. Human Heredity 44:44-51 Kong A, Cox NJ (1997) Allele-sharing models: LOD scores and accurate linkage tests. American Journal of Human Genetics 61:1179-1188 Kong X, Murphy K, Raj T, He C, White PS, Matise TC (2004) A combined linkage-physical map of the human genome. American Journal of Human Genetics 75:1143-1148. Erratum in: American Journal of Human Genetics (2005) 76:373 Krawczak M (2001) ASP – a simulation-based power calculator for genetic linkage studies of qualitative traits, using sib-pairs. Human Genetics 109:675677 Kruglyak L, Daly MJ, Reeve-Daly MP, Lander ES (1996) Parametric and nonparametric linkage analysis: a unified multipoint approach. American Journal of Human Genetics 58:1347-1363 Lander ES, Botstein D (1987) Homozygosity mapping: a way to map human recessive traits with the DNA of inbred children. Science 236:1567-1570 Lander ES, Green P (1987) Construction of multilocus genetic linkage maps in humans. Proceedings of the National Academy of Science USA 84:23632367 Lander ES, Kruglyak L (1995) Genetic dissection of complex traits: guidelines for interpreting and reporting linkage results. Nature Genetics 11:241-247 Lander ES, Schork NJ (1994) Genetic dissection of complex traits. Science 265:2037-2048, Erratum in Science (1994) 266:353 Lathrop GM, Lalouel JM (1984) Easy calculations of lod scores and genetic risks on small computers. American Journal of Human Genetics 36:460-465 Leutenegger AL, Genin E, Thompson EA, Clerget-Darpoux F (2002) Impact of parental relationships in maximum lod score affected sib-pair method. Genetic Epidemiology 23:413-425 Leutenegger AL, Prum B, Genin E, Verny C, Lemainque A, Thompson EA, Clerget-Darpoux F (2003) Estimation of the inbreeding coefficient using genomic data. American Journal of Human Genetics 73:516-523 Lindner TH, Hoffmann K (2005) easyLINKAGE: a PERL script for easy and automated two-/multi-point linkage analyses. Bioinformatics 21:405-407 Miki Y, Swensen J, Stattuck-Eidens D, Futreal PA, Harshman K, Tavtigian S, Liu Q, Cochran C, Bennett LM, Ding W, Bell R, Rosenthal J, Hussey C, Tran T, McCLure M, Frye C, Hattier T, Phelps R, Haugen-Strano A, Katcher H, Yakumo K, Gholami Z, Shaffer D, Stone S, Bayer S, Wray C, Bogden R, Dayananth P, Ward J, Tonin P, Narod S, Bristo PK, Norris FH,

4.8

Literatur

225

Helvering L, Morrison P, Rosteck P, Lai M, Barrett JC, Lewis C, Neuhausen S, Cannon-Albright L, Goldgar D, Wiseman R, Kamb A, Skolnick MH (1994) A strong candidate for the breast and ovarian cancer susceptibility gene BRCA1. Science 266:66-71 Morton NE (1955) Sequential tests for the detection of linkage. American Journal of Human Genetics 7:277-318 Morton NE (1998) Significance levels in complex inheritance. American Journal of Human Genetics 62:690-697 Newman B, Austin MA, Lee M, King MC (1988) Inheritance of human breast cancer: evidence for autosomal dominant transmission in high-risk families. Proceedings of the National Academy of Science USA 85:3044-3048 O’Connell JR, Weeks DE (1995) The VITESSE algorithm for rapid exact multilocus linkage analysis via genotype set-recoding and fuzzy inheritance. Nature Genetics 11:402-408 Olson JM, Wijsman E (1993) Linkage between quantitative trait and marker locus: methods using all relative pairs. Genetic Epidemiology 10: 87-102 Ott J (1974) Estimation of the recombination fraction in human pedigrees: efficient computation of the likelihood for human linkage studies. American Journal of Human Genetics 26:588-597 Ott J (Hrsg.) (2003) Human Heredity 55: Ausgabe 2-3 Penrose LS (1953) The general sib-pair linkage test. Annals of Eugenics 18:120-144 Risch N (1990a) Linkage strategies for genetically complex traits. II. The power of affected relative pairs. American Journal of Human Genetics 46:229241 Risch N (1990b) Linkage strategies for genetically complex traits. III. The effect of marker polymorphism on analysis of affected relative pairs. American Journal of Human Genetics 46:242-253 Risch N, Zhang H (1995) Extreme discordant sib pairs for mapping quantitative trait loci in humans. Sicence 268:1584-1589 Risch N, Zhang H (1996) Mapping quantitative trait loci with extreme discordant sib pairs: sampling considerations. American Journal of Human Genetics 59:1376- 1381 Ruschendorf F, Nurnberg P (2005) ALOHOMORA: a tool for linkage analysis using 10K SNP array data. Bioinformatics 21:2123-2125 Scholz M, Schmidt S, Loesgen S, Bickeb¨ oller H (1999) Analysis of principal component based quantitative phenotypes for Alcoholism. Genetic Epidemiology 17:S313-S318 Self SG, Liang J-Y (1987) Asymptotic properties of maximum likelihood estimators and likelihood ratio tests under non-standard conditions. Journal of the American Statistical Association 82:605-610

226

4. Kopplungsanalysen

Sham PC, Cherny SS, Purcell S, Hewitt JK (2000) Power of linkage versus association analysis of quantitative traits, by use of variance-components models, for shibship data. American Journal of Human Genetics 66:1616-1630 Sham PC, Purcell S (2001) Equivalence between Haseman-Elston and variance-components linkage analyses for sib pairs. American Journal of Human Genetics 68:1527-1532 Shih MC, Whittemore AS (2001) Allele-sharing among affected relatives: non-parametric methods for identifying genes. Statistical Methods in Medical Research 10:27-55 St George-Hyslop PH, Tanzi RE, Polinsky RJ, Haines JL, Nee L, Watkins PC, Myers RH, Feldman RG, Pollen D, Drachman D (1987) The genetic defect causing familial Alzheimer’s disease maps on chromosome 21. Science 235:885-890 Strauch K, Fimmers R, Kurz T, Deichmann KA, Wienker TF, Baur MP (2000) Parametric and nonparametric multipoint linkage analysis with imprinting and two-locus-trait models: application to mite sensitization. American Journal of Human Genetics 66:1945-1957 Suarez BK, Rice J, Reich T (1978) The generalized sib pair IBD distribution: its use in the detection of linkage. Annals of Human Genetics 42:87-94 Teare MD, Barrett JH (2005) Genetic Epidemiology 2 – Genetic linkage studies. Lancet 366:1036-1044 Weeks DE, Lange K (1988) The affected-pedigree member method of linkage analysis. American Journal of Human Genetics 42:315-326 Weeks DE, Ott J, Lathrop GM (1990) SLINK: a general simulation program for linkage analysis. American Journal of Human Genetics suppl 47:A204 Whittemore AS, Halpern J (1994) A class of tests of linkage using affected pedigree members. Biometrics 50:118-127. Wiener H, Elston RC, Tiwari HK (2003) X-linked extension of the revised Haseman-Elston algorithm for linkage analysis in sib-pairs. Human Heredity 55:97-107 Wilson SR (1996) On calculating posterior probability of linkage. Annals of Human Genetics 60:359 Wise LH, Lanchbury JS, Lewis CM (1999) Meta-analysis of genome searches. Annals of Human Genetics 63:263-272 Wooster R, Neuhausen SL, Mangion J, Quirk Y, Ford D, Collins N, Nguyen K, Seal S, Tran T, Averill D, Fields P, Marshall G, Narod S, Lenoir GM, Lynch H, Feunteun J, Devilee P, Cornelisse CJ, Menko FH, Daly PA, Ormiston W, McManus R, Pye C, Lewis CM, Cannon-Albright LA, Peto J, Ponder BAJ, Skolnick MH, Easton DF, Goldgar DE, Stratton MR (1994) Localization of a breast cancer susceptibility gene, BRCA2, to chromosome 13q12-13. Science 265:2088-2090

4.8

Literatur

227

Zintzaras E, Ioannidis JP (2005) HEGESMA: genome search meta-analysis and heterogeneity testing. Bioinformatics 21:3672-3673 Webseiten ASPEX: http://aspex.sourceforge.net CEPH: www.cephb.fr http://linkage.rockefeller.edu PANGAEA: www.stat.washington.edu/thompson/Genepi/pangaea.shtml SAGE: genepi.cwru.edu

Kapitel 5 Assoziationsanalyse

5

5

5 Assoziationsanalyse 5.1 Einleitung ....................................................................... 5.2 Populationsbasierte Assoziationsstudien................................. 5.2.1 Elementare Assoziationstests und Effektsch¨atzer .............. 5.2.2 Populationsstratifikation ............................................. 5.2.3 Haplotypbasierte Verfahren ......................................... 5.2.4 Quantitative Merkmale ............................................... 5.2.5 Power...................................................................... 5.3 Familienbasierte Assoziationsstudien ..................................... 5.3.1 Der Transmission-Disequilibrium-Test (TDT) .................. 5.3.2 Die Fall-Pseudokontroll-Regressionsanalyse ..................... 5.3.3 Die FBAT-Methode ................................................... 5.3.4 Power...................................................................... 5.3.5 Die MASC-Methode................................................... 5.4 Genomweite Assoziationsstudien .......................................... 5.4.1 Die Erfassung der genetischen Variation durch SNP-Chips . 5.4.2 Statistische Auswertung und das Multiplizit¨atsproblem ..... 5.5 Ausblick.......................................................................... 5.6 Programme ...................................................................... 5.7 Literatur .........................................................................

231 231 234 234 238 242 250 252 254 254 261 263 264 264 267 267 269 270 273 274

5 Assoziationsanalyse 5.1 Einleitung In genetischen Assoziationsstudien sollen statistische Zusammenh¨ange zwischen genetischen Polymorphismen und qualitativen oder quantitativen Merkmalen gefunden werden. Zum Beispiel vergleicht man bei F¨allen und Kontrollen die Genotyph¨ aufigkeiten an einem Markerlocus. Assoziationsstudien wurden bisher sehr erfolgreich eingesetzt, um entweder durch Kopplungsanalysen ermittelte Kandidatenregionen weiter einzugrenzen (Feinkartierung) oder Kandidatengene direkt zu untersuchen und die verantwortlichen Varianten zu finden. Man findet die folgenden Studienans¨ atze: Enger Kandidatenansatz: In einem engeren Kandidatenansatz untersucht man wenige Gene und Marker. Die betrachteten Gene liegen i.d.R. in einer kleinen Region auf dem Genom, die zuvor durch Kopplungsanalysen eingegrenzt worden ist, und sollten m¨ oglichst aufgrund anderer Untersuchungen wie funktioneller Tests oder Tiermodelle eine klare Verbindung zur Krankheit aufweisen. Dieser Ansatz hat bei vielen monogenen Krankheiten oder Mendelschen Subformen komplexer Krankheiten zur Identifikation des verursachenden Gens sowie der Krankheitsvarianten gef¨ uhrt. Ein Beispiel ist die Mukoviszidose (CF) (Kerem et al. 1989, s. Abschnitt 1.3.1.2). Der Bereich f¨ ur das CF-Gen ließ sich in den 80iger Jahren durch verschiedene Kopplungsstudien und Haplotypanalysen in Familien auf ein kleines Intervall von etwa 500 kbp auf Chromosom 7 eingrenzen. In einer Assoziationsstudie wurden F¨ alle und Kontrollen zun¨ achst mit Hilfe von Markern und nachfolgend durch den Vergleich kleiner Sequenzst¨ ucke in Kandidatengenen untersucht. Dabei stellte sich heraus, dass eine 3 bp große Deletion bei 145 von 200 Chromosomen bei F¨ allen und u ¨ berhaupt nicht bei 198 Kontrollchromosomen auftrat. Nachfolgende funktionelle Untersuchungen best¨atigten, dass damit das Mukoviszidosegen gefunden war. Die Deletion, heute bekannt als ∆F508 , stellte sich als die in Europa h¨ aufigste Mutation heraus. Der Gr¨ undereffekt (s. Abschnitt 2.3.1.2) trug entscheidend zum Erfolg dieser Assoziationsstudie bei, denn die charakteristische Deletion war bei den Patienten sehr h¨aufig. Die Kenntnis des Mukoviszidosegens und seines Mutationsspektrums hat seitdem die Diagnostik der Mukoviszidose stark beeinflusst. Erweiterter Kandidatenansatz: In einem erweiterten Kandidatenansatz pr¨ uft man m¨ oglichst umfassend Gene, die etwas mit der Pathophysiologie und dem Stoffwechselweg der Krankheit zu tun haben k¨onnten, sowie zus¨atzliche Marker in flankierenden, regulatorischen Bereichen dieser Kandidaten.

5.1

232

5. Assoziationsanalyse

Diese Strategie war zum Beispiel bei AIDS sehr erfolgreich. AIDS begann sich vor etwa 30 Jahren zu verbreiten und ist heute vor allem in Afrika das gr¨ oßte Gesundheitsproblem, wo 70% der weltweit u ¨ ber 42 Millionen Infizierten leben. Obwohl Infektionskrankheiten allgemein nicht vorrangig als genetische Krankheiten betrachtet werden, da die Infektionswahrscheinlichkeit und der Krankheitsverlauf zwischen Individuen sehr unterschiedlich sind, ist anerkannt, dass die Virusinfektion und -vermehrung durch Gene beeinflusst werden. Sehr schnell nach Bekanntwerden der Krankheit wurden Kohortenstudien begonnen, z.B. die Multicenter AIDS Cohort Study bei Homosexuellen und die Multicenter Hemophilia Cohort Study. In insgesamt sechs Kohortenstudien mit fast 8500 Risikopersonen wurde in einem erweiterten Kandidatenansatz nach ARGs (AIDS restriction genes) gesucht. Als erstes wurde die CCR5 ∆32 Variante eines Gens f¨ ur einen Zelloberfl¨achenrezeptor gefunden. Homozygote Tr¨ ager der Variante sind vor HIV-1 Infektion komplett gesch¨ utzt, bei Heterozygoten verl¨ auft die Krankheit langsamer. Seitdem wurden u ber 10 weitere protektive oder disponierende Varianten die¨ ses Gens und anderer Gene entdeckt. Das relative Risiko f¨ ur disponierende Varianten liegt im Bereich 1,1 – 1,8 (Cooke und Hill 2001). Die Ergebnisse f¨ uhrten zu der Entwicklung neuer Therapeutika, die sich inzwischen in fortgeschrittenen Stadien der klinischen Erprobung befinden. Genomweiter Ansatz: In einem genomweiten Ansatz werden sehr viele u ¨ ber das ganze Genom verteilte Marker auf ihren Zusammenhang mit der Krankheit untersucht. Genomweite Assoziationsstudien sind erst in den letzten Jahren durch die technische Entwicklung von Hochdurchsatzgenotypisierungsverfahren m¨ oglich geworden. Es liegen bisher nur wenige Ergebnisse vor. ¨ Eine der ersten erfolgreichen genomweiten Untersuchungen wurde zum Uber¨ gewicht durchgef¨ uhrt (Herbert et al. 2006). Ubergewicht ist ein Risikofaktor f¨ ur Diabetes, Bluthochdruck, Schlaganfall und verschiedene Krebsformen. In einer Studie mit knapp 700 Trios wurden u ¨ber 116000 SNPs typisiert und mit einem neu entwickelten Verfahren analysiert. Ein einziger SNP war genomweit signifikant und konnte in mehreren unabh¨angigen sehr großen FallKontroll-Studien und familienbasierten Assoziationsstudien best¨atigt werden. Homozygote Tr¨ ager der gefundenen Variante sind im Mittel etwa eine Einheit im BMI (body mass index) schwerer als die Tr¨ager der anderen Genotypen. Das relative Risiko dieser Variante f¨ ur den Ph¨anotyp BMI ≥ 30 wird auf etwa 1,22 (Metaanalyse aller Fall-Kontroll-Studien, 95% Konfidenzintervall (95%-KI) 1,05 – 1,42) gesch¨ atzt. Die Autoren diskutieren als Kandidatengen das von diesem SNP 10 kb entfernte Gen INSIG2. Das INSIG2-Protein reguliert die Aktivit¨ at von Genen, die beim Fett- und Cholesterinstoffwechsel eine Rolle spielen.

5.1

Einleitung

233

Findet man eine valide statistische Assoziation zwischen der untersuchten Krankheit und einem Polymorphismus, so gibt es drei m¨ogliche Erkl¨arungen: Eine Variante des Polymorphismus ist kausal am Krankheitsgeschehen beteiligt. Die Variante befindet sich im Linkage Disequilibrium (s. Abschnitt 2.3.1) mit einer kausalen Variante. Es liegt keine disponierende Variante in der N¨ahe (1 und 2 treffen also nicht zu), der Zusammenhang wurde durch Confounder (s. Abschnitt 1.4.2) verursacht. Man spricht von direkten Assoziationsstudien, wenn die kausale Variante des gesuchten disponierenden Gens sich unter den untersuchten Polymorphismen befindet (Abb. 5.1.A), sonst von indirekten Assoziationsstudien (Abb. 5.1.B). Die in indirekten Assoziationsstudien typisierten Marker zeigen also nur dann verschiedene Genotypverteilungen bei F¨ allen und Kontrollen, wenn sie mit der disponierenden Variante im Linkage Disequilibrium sind.

A

B

Abbildung 5.1. Schematische Darstellung von Assoziationsstudien, A: direkte und B:

indirekte Assoziationsstudien, der Stern kennzeichnet die disponierende Variante, die typisierten Marker sind schwarz, die nicht typisierten grau dargestellt.

Die Besonderheiten der Untersuchung genetischer Faktoren, die durch die Biologie und die damit verbundenen Abh¨ angigkeitsstrukturen sowie durch die Datenf¨ ulle gegeben sind, f¨ uhrten zur Entwicklung neuer Studiendesigns und Analyseans¨ atze wie familienbasierte Assoziationsstudien, Verfahren zur Entdeckung und Ber¨ ucksichtigung genetischer Populationsstratifikation und haplotypbasierte Verfahren. Wir behandeln populationsbasierte Assoziationsstudien in Abschnitt 5.2. Die dabei auftauchende Frage nach der Existenz genetischer Substrukturen und die M¨ oglichkeiten, wie sie bei den Auswertungen ber¨ ucksichtigt werden k¨ onnten, greifen wir in Abschnitt 5.2.2 auf. Familienbasierte Studien sind das Thema von Abschnitt 5.3. Die Nutzung von Haplotypen in Assoziationsstudien und die statistische Power werden bei den einzelnen Studientypen besprochen. Den aktuellen Stand des Wissens zu den derzeit stark beforschten genomweiten Assoziationsstudien fassen wir in Abschnitt 5.4 zusammen. Grunds¨ atzliche Fragen der Interpretation der Ergebnisse genetischer Assoziationsstudien, die Replizierbarkeit sowie Gen-Genund Gen-Umwelt-Interaktionen kommen in Abschnitt 5.5 zur Sprache.

234

5.2

5. Assoziationsanalyse

5.2 Populationsbasierte Assoziationsstudien Der h¨ aufigste Studientyp in der Epidemiologie ist die Fall-Kontroll-Studie (s. Abschnitt 1.4.2). Man sammelt F¨ alle und Kontrollen und erhebt retrospektiv Expositionen, die mit dem Erkrankungsstatus zusammenh¨angen oder zusammenh¨ angen k¨ onnten. Neue Risikofaktoren k¨onnen durch den Vergleich ihrer Verteilungen bei F¨ allen und Kontrollen identifiziert werden. Bei genetischen Studien ist die Exposition das Gen. Daher verweisen wir f¨ ur die grundlegenden Regeln zur Planung und Auswertung klassischer Fall-KontrollStudien auf die epidemiologische Literatur (z.B. Kreienbrock und Schach 2005). 5.2.1 Elementare Assoziationstests und Effektsch¨ atzer

Wir betrachten zun¨ achst einen Markerlocus M mit zwei Allelen M1 und oße n (Kohortenstudie oder FallM2 . In einer Populationsstichprobe der Gr¨ Kontroll-Studie) lassen sich Krankheits- und Genotypzahlen als 2·3 oder 2·2 Kontingenztafel (s. Tab. 5.1.A, B) anordnen (vgl. auch Abschnitt 1.4.2). Tabelle 5.1. Beobachtete Anzahlen bei einem Marker M mit den Allelen M 1 und M2 in

einer Fall-Kontroll-Studie der Stichprobengr¨ oße n, A: Genotypanzahlen, B: Genotypanzahlen bei einem dominanten Modell f¨ ur Allel M2 und C: Allelanzahlen.

M1 M1

M1 M2

M2 M2

Summe

krank

a

c

e

a+c+e = nK

nicht krank

b

d

f

b+d+f = nK

Summe

a+b = n0

c+d = n1

e+f = n2

n

M1 M1

M1 M2 , M2 M2

Summe

krank

a

c+e

a+c+e

nicht krank

b

d+f

b+d+f

Summe

a+b

c+d+e+f

n

M1

M2

Summe

krank

2a+c

c+2e

2a+2c+2e

nicht krank

2b+d

d+2f

2b+2d+2f

Summe

2a+2b+c+d

c+d+2e+2f

2n

A

B

C

In A werden alle Genotypen betrachtet, in B sind diejenigen zusammengefasst, bei denen das Allel M2 vorkommt. Diese Betrachtungsweise ist sinnvoll, wenn ein dominantes Modell f¨ ur das Allel M2 angenommen wird. In C wer-

5.2

Populationsbasierte Assoziationsstudien

235

den die Allelanzahlen bei den Kranken und Nichtkranken betrachtet. Diese Vorgehensweise ist sehr beliebt, da sich durch die Betrachtung der Allele die Stichprobengr¨ oße verdoppelt, aber sie ist nicht unbedingt erlaubt, wie wir gleich sehen werden. Zur Vereinfachung bezeichnen wir die Genotypen nach der Anzahl ihrer M2 -Allele: M1 M1 = 0, M1 M2 = 1, M2 M2 = 2, die Anzahl der Kranken sei nK = a + c + e, die der Nichtkranken nK = b + d + f , und die Anzahlen der Personen mit den jeweiligen Genotypen seien n0 = a + b, n1 = c + d und n2 = e + f . Die Effekte werden durch die genotypischen relativen Risiken γ1 = P (K|1)/P (K|0) und γ2 = P (K|2)/P (K|0) beschrieben (s. Abschnitt 1.4.2, Gl. 4.21), wobei jeweils der Genotyp 0 als Referenz gilt. Wir sprechen von einem dominanten Modell, wenn die Krankheitswahrscheinlichkeit nur davon abh¨ angt, ob mindestens ein Risikoallel vorhanden ist, dann gilt γ1 = γ2 , und die beiden Genotypen werden zusammengefasst. Ein multiplikatives Modell liegt vor, wenn γ2 = γ12 gilt. In diesem Fall ist γ1 das allelische relative Risiko, weil das relative Risiko mit jedem M2 -Allel um diesen Faktor vergr¨ oßert wird. Wie in Abschnitt 1.4.2 erl¨ autert, lassen sich in Fall-Kontroll-Studien keine relativen Risiken sondern nur Odds Ratios sch¨atzen, die in Tabelle 5.2 zusammengestellt sind: Zur Bestimmung des heterozygoten Odds Ratios ORhet betrachtet man die Tr¨ ager des heterozygoten Genotyps M1 M2 im Vergleich zu Tr¨ agern des homozygoten Referenzgenotyps M1 M1 , zur Bestimmung des ager des anderen homozygoten Gehomozygoten Odds Ratios ORhom die Tr¨ agern des homozygoten Referenzgenotyps notyps M2 M2 im Vergleich zu Tr¨ M1 M1 (s. die entsprechenden Spalten in Tab. 5.1.A). Damit entsprechen die Odds Ratios ORhet und ORhom den relativen Risiken γ1 und γ2 . Das Odds Ratio unter Annahme eines dominanten Modells ORdom wird aus Tab. 5.1.B und das allelische Odds Ratio ORall aus Tab. 5.1.C nach Gl. 1.8 (s. Abschnitt 1.4.2) gebildet. In der letzten Spalte stehen die auf die jeweilige Zeile bezogenen u atzer f¨ ur die Varianz des logarithmierten Odds Ratios ¨ blichen Sch¨ die hier nicht hergeleitet werden. Die Betrachtung des allelischen V ar(ln OR), Odds Ratios ist nur unter Annahme des multiplikativen Modells sinnvoll. In Abschnitt 1.4.1 haben wir gezeigt, dass die Genauigkeit von Punktsch¨atzern f¨ ur einen Parameter von der Stichprobengr¨ oße abh¨angt. Daher sollten immer neben den Punktsch¨ atzern auch Konfidenzintervalle angegeben werden. Ein approximatives 95% KI f¨ ur das Odds Ratio erh¨alt man jeweils durch:  ± z1−α/2 V ar(ln OR), exp(ln OR)

236

5. Assoziationsanalyse

Tabelle 5.2. Sch¨ atzer f¨ ur Odds Ratios in genetischen Fall-Kontroll-Studien f¨ ur einen

Marker M mit den Allelen M1 und M2 , dabei seien ORhet das Odds Ratio der ager im Vergleich zu M1 M1 -Tr¨ agern, ORhom das Odds Ratio von M2 M2 im M1 M2 -Tr¨ Vergleich zu M1 M1 , ORdom das Odds Ratio unter Annahme eines dominanten Modells und ORall das allelische Odds Ratio (s. Tab. 5.1).

Odds Ratio

OR

Var(lnOR)

ORhet

c·b a·d

1 a

+

1 b

+

1 c

+

1 d

ORhom

e·b a·f

1 a

+

1 b

+

1 e

+

1 f

ORdom

(c+e)·b a·(d+f )

+

1 b

+

1 c+e

+

1 d+f

(2e+c)·(2b+d) (2a+c)·(2f +d)

ORall

1 a 1 2a+c

+

1 2b+d

+

1 2e+c

+

1 2f +d

wobei z1−α/2 das 97,5%-Quantil der Standardnormalverteilung ist (s. Abschnitt 1.2.2). Die Odds Ratios geben eine gute N¨aherung f¨ ur das relative Risiko, wenn die Krankheit selten ist. Verschiedene statistische Tests der Nullhypothese, dass der Marker nicht mit der Krankheit assoziiert ist, sind nun m¨ oglich (s. Abschnitt 1.4.3), wir betrachten vier Tests. Der Chiquadrattest χ2G mit zwei Freiheitsgraden (FG), basierend auf Tab. 5.1.A, und der Chiquadrattest χ2Dom mit einem FG, basierend auf Tab. 5.1.B. Ein dritter Test ist der Armitage-Trendtest. Untersucht man n¨ amlich in einer Fall-Kontroll-Studie eine Exposition mit k Stufen, von der man annehmen kann, dass die Krankheitswahrscheinlichkeit mit wachsenden Stufen des Risikofaktors steigt, hat der Armitage-Trendtest bessere statistische Power als der Chiquadrattest f¨ ur die dazugeh¨orige 2·k Feldertafel. Es ist biologisch plausibel, dass mit der Anzahl der vorhandenen Risikoallele 0, 1, 2 die Krankheitswahrscheinlichkeiten f0 ≤ f1 ≤ f2 (s. Abschnitt 1.3.2, Tab. 1.5) ansteigen. Der Test l¨ asst sich ebenso auf ein protektives Allel mit niedrigeren Krankheitswahrscheinlichkeiten bei h¨oherer Allelzahl anwenden. Die Teststatistik des Armitage-Trendtests, χ2T r , in Anwendung auf Tab. 5.1.A definiert einen Chiquadrattest mit einem Freiheitsgrad und lautet: χ2T r =

n(n(c + 2e) − nK (n1 + 2n2 ))2 nK nK (n(n1 + 4n2 ) − (n1 + 2n2 )2)

Als vierten und letzten Test betrachten wir die Anwendung der ChiquadratTeststatistik auf die Allelzahlen in Tab. 5.1.C und bezeichnen sie mit χ2All . Jeder Test ist f¨ ur die Situation am besten, f¨ ur die er konstruiert worden ochste Power der vier Tests, wenn in Wahrheit ist. Daher zeigt χ2Dom die h¨ ein dominantes Modell vorliegt. Die wahren Zusammenh¨ange sind allerdings meistens unbekannt. Solange das homozygote relative Risiko γ2 gr¨oßer als das heterozygote relative Risiko γ1 ist, ist χ2T r geeignet und hat mehr Power als

5.2

Populationsbasierte Assoziationsstudien

237

χ2G , da der Trendtest nur einen Freiheitsgrad hat. Er ist also relativ robust und wird daher oft verwendet. χ2All ist asymptotisch nur dann chiquadratverteilt, wenn das Hardy-Weinberg-Gleichgewicht (HWE) in der Population gilt, aus der F¨ alle und Kontrollen stammen. Bei Abweichungen von dieser Annahme ist er antikonservativ, d.h. er erzeugt mehr falschpositive Ergebnisse, als durch das Signifikanzniveau festgelegt wird (Sasieni 1997), in diesem Fall ist dieser Test nicht zu empfehlen. Der Test auf HWE wird bei Kontrollen eingesetzt, um nach Genotypisierungsfehlern oder Populationsstratifikation zu suchen (s. Abschnitt 2.2.2.3 und s.u.). Abweichungen vom HWE bei F¨ allen deuten aber m¨oglicherweise auf eine Assoziation hin. Es ist sinnvoll, Tests auf Assoziation im Rahmen von Regressionsmodellen durchzuf¨ uhren, wenn zus¨ atzliche Variablen ber¨ ucksichtigt werden sollen. In Abschnitt 1.4.4 wurde bereits gezeigt, wie der Einfluss eines Markers auf einen dichotomen Ph¨ anotyp durch eine logistische Regressionsgleichung beschrieben werden kann und wie die entsprechenden Odds Ratios gesch¨atzt werden k¨ onnen. Daher wird hier nicht n¨ aher darauf eingegangen. Wie dort beschrieben, kann f¨ ur ein biallelisches Gen das multiplikative Modell mit einer Variablen kodiert werden. Will man kein multiplikatives Modell voraussetzen, k¨ onnen die Genotypen durch zwei Regressorvariablen X11 und X12 folgendermaßen kodiert werden: M1 M1 : X11 = 0 und X12 = 0; M1 M2 : X11 = 0 und X12 = 1; M2 M2 : X11 = 1 und X12 = 1. Die Regressionsgleichung lautet dann:

 exp a ˆ + ˆb11 X11 + ˆb12 X12

 E(Y |X) = P (Y = 1|X) = 1 + exp a ˆ + ˆb11 X11 + ˆb12 X12 Bei dieser Kodierung gilt f¨ ur das heterozygote und das homozygote Odds Ratio: het = exp(ˆb12 ) und OR hom = exp(ˆb11 + ˆb12 ). OR Wir haben bisher der Einfachheit halber Marker mit zwei Allelen betrachtet. Mikrosatelliten k¨ onnen aber durchaus m > 20 Allele haben, daraus ergibt sich bei Betrachtung der Genotypverteilungen von F¨allen und Kontrollen eine m(m+1) × 2-Feldertafel. Der zugeh¨ orige allgemeine Assoziationstest (entspre2 ur kleine Allelzahlen schon sehr wenig Power. Alternativ chend χ2G ) hat selbst f¨ k¨ onnen einzelne 2 × 3 Tafeln analysiert werden, in denen jeweils ein Allel gegen alle anderen zusammengefasst gepr¨ uft wird. Dies l¨ost das Problem jedoch nicht endg¨ ultig, denn es muss f¨ ur multiples Testen korrigiert werden. Dabei

238

5. Assoziationsanalyse

sind einfache Korrekturmethoden (s. Abschnitt 1.4.3) konservativ, denn die einzelnen Tests sind nicht statistisch unabh¨ angig. Der Armitage-Trendtest wurde auch auf Marker mit vielen Allelen erweitert (Slager and Schaid 2001). Ein weiteres Problem entsteht, wenn es viele d¨ unn besetzte Zellen gibt, denn dann folgt die Teststatistik nicht mehr einer Chiquadratverteilung. Hier kann man als Alternative seltene Allele zusammenfassen oder den exakten FisherTest (s. Exkurs 5) verwenden. Ein anderer Ansatz besteht darin, Modellannahmen u ¨ber die genotypischen relativen Risiken zu machen, z.B. u ¨ber ein multiplikatives Modell, und Assoziationstests und Sch¨ atzungen f¨ ur die St¨ arke der Effekte im Rahmen von Regressionsmodellen durchzuf¨ uhren. Ein solches Modell k¨onnte bei einem Repeatlocus sinnvoll sein, bei dem die Krankheitswahrscheinlichkeit von der Repeatzahl abh¨angig ist (s. Abschnitt 1.3.2). In einem Regressionsmodell k¨onnen nat¨ urlich auch mehrere Polymorphismen betrachtet werden. Bei deren Auswahl bleibt das Problem des multiplen Testens und der kleinen Fallzahlen f¨ ur Tr¨ ager bestimmter Genotypkombinationen bestehen. 5.2.2 Populationsstratifikation

In genetischen Fall-Kontroll-Studien k¨ onnen positive Testergebnisse entstehen, ohne dass ein biologischer Zusammenhang (kausal oder LD, s. Abschnitt 5.1) zwischen dem untersuchten Marker und der Krankheit existiert, geringe Effekte k¨ onnen verst¨ arkt oder wahre Assoziationen maskiert werden. Man spricht von Populationsstratifikation oder auch genetischem Confounding, wenn dies durch Subpopulationen oder Populationsmischung verursacht wird. Ein Confounder ist gem¨ aß Definition (s. Abschnitt 1.4.2, S. 55) mit Exposition und Krankheit assoziiert. Damit kann genetisches Confounding nur dann auftreten, wenn in den Subpopulationen unterschiedliche Krankheitsh¨ aufigkeiten und verschiedene Allelh¨ aufigkeiten vorliegen. Ein Beispiel ist in Abb. 5.2 illustriert. Wir betrachten gleich viele F¨alle und Kontrollen, sie stammen aus zwei Subpopulationen P1 und P2. Da in P2 die Krankheitspr¨avalenz h¨ oher ist, stammt ein gr¨ oßerer Teil der F¨alle aus P2, und umgekehrt finden sich bei den Kontrollen mehr Personen aus P1. Zus¨atzlich ist Genotyp AA in P2 sehr viel h¨ aufiger als in P1. Daher ergibt sich als Konsequenz eine h¨ ohere H¨ aufigkeit des Genotyps AA bei den F¨ allen und damit eine statistische Assoziation des Allels A mit der Krankheit in der Gesamtpopulation. Wie im Schema gezeigt, k¨ onnen so statistische Assoziationen entstehen, denen keine wahre Assoziation zugrunde liegt, denn in den beiden Subpopulationen P1 und P2 besteht keine Assoziation zwischen Allel A und der Krankheit, wie man aus der Abbildung erkennt (gleicher Anteil der Genotypen bei F¨allen und Kontrollen in beiden Populationen).

5.2

Populationsbasierte Assoziationsstudien

aus P1

239

insgesamt aus P2 Fälle

Kontrollen

Abbildung 5.2. Schematische Darstellung der

Populationstratifikation bez¨ uglich eines Markers in einer Fall-Kontroll-Studie mit gleich vielen F¨ allen und Kontrollen, die sich jeweils aus Anteilen aus den Subpopulationen P1 und P2 mit unterschiedlichen Genotyph¨ aufigkeiten zusammensetzen. Die

Genotyp AA

Aa

aa

Krankheitspr¨ avalenz ist in P2 h¨ oher.

In der Regel gibt es keine unbekannten, streng getrennten Subpopulationen, sondern es gibt eine Populationsmischung. Darunter soll verstanden werden, dass die Population aus nicht v¨ ollig isolierten Herkunftspopulationen besteht, aber auch keine zuf¨ allige Partnerwahl existiert und jede Person mehr oder weniger genetische Anteile einer der Herkunftspopulationen tr¨agt. Die Messung der Ethnizit¨ at kann allerdings schwierig sein. Sie ist abh¨angig von den Migrationsbewegungen der j¨ ungeren Geschichte sowie von der Existenz religi¨ oser oder kultureller Isolate in derselben geographischen Region. Man sollte mindestens die Geburtsregion der Eltern, der Großeltern und die Herkunft nach Selbsteinsch¨ atzung erheben. In der Literatur finden sich etliche Studien, bei denen vermutet wird, dass Assoziationen durch nicht ber¨ ucksichtigte Populationsstratifikation entstanden sind. In einer Studie mit u ¨ ber 4900 Personen aus einer Indianergemeinde in Gila River im S¨ uden von Arizona wurde zum Beispiel eine signifikante Assoziation eines Immunglobulinhaplotyps mit nicht-insulinabh¨angigem Diabetes Mellitus (Typ II Diabetes) entdeckt. Es stellte sich heraus, dass die Teilnehmer der Studie zu einem Teil kaukasische Vorfahren hatten. Die Pr¨avalenz des Typ II Diabetes war etwa 14% bei Bewohnern mit 50% oder mehr Anteilen kaukasischer Vorfahren und bis zu knapp 40% sonst, die H¨aufigkeit des asso-

240

5. Assoziationsanalyse

ziierten Haplotyps in diesen Subgruppen betrug 14,3% beziehungsweise 2,4%. Die gefundene Assoziation verschwand, als der Grad der kaukasischen Herkunft als Stratifikationsfaktor bei der Analyse ber¨ ucksichtigt wurde (Knowler et al. 1988). Es handelte sich also nicht um einen kausalen Zusammenhang, sondern um genetisches Confounding. Abweichungen vom HWE und LD zwischen Markern auf verschiedenen Chromosomen werden als Hinweise auf die Existenz von Substrukturen gedeutet, nachdem m¨ ogliche Genotypisierungsfehler abgekl¨art sind (s. Abschnitt 2.2.2.3). Verschiedene statistische Methoden wurden entwickelt, um diese Strukturen bei den statistischen Auswertungen zu entdecken und angemessen ber¨ ucksichtigen zu k¨ onnen. Die bekanntesten sind die Methode der Genomischen Kontrollen (Devlin und Roeder 1999) und die Structured Association (Pritchard und Rosenberg 1999). Bei beiden werden zahlreiche zus¨atzliche Marker ben¨ otigt, von denen man annehmen kann, dass sie nicht mit der Krankheit assoziiert sind. Sie dienen dazu, die St¨ arke der Substruktur zu sch¨atzen und die statistischen Tests geeignet zu korrigieren. Bisher geht man davon aus, dass mindestens 50 neutrale Marker typisiert werden sollten, wobei diese n¨otige Anzahl nicht abschließend gekl¨ art ist. Genomische Kontrollen: Wir betrachten zuerst die Methode der Genomischen Kontrollen. Liegt Populationsstratifikation vor, so folgt die Verteilung ur jeden Marker M, T (M ), unter der Nullhypoder u ¨ blichen χ2 -Teststatistik f¨ these nicht mehr einer χ2 -Verteilung, sondern die Verteilung ist im Vergleich dazu um einen Faktor λ gestreckt. λ wird Varianzinflationsfaktor genannt und h¨ angt bei diskreten Subpopulationen vom Fixationsindex FST (s. Abschnitt 2.2.3.1) ab. Durch die Typisierung von k zus¨atzlichen neutralen Markern M1 ,. . . , Mk kann der Varianzinflationsfaktor gesch¨atzt werden. Devlin und Roeder (1999) schlagen vor, den Median der Teststatistiken der neutralen Marker T(M1 ),. . . , T(Mk ), durch den Median der χ2 -Verteilung zu ˆ = M edian(T (Mi ))/0, 4549, i=1,. . . k. Die korrigierte Teststatistik teilen: λ  hat dann unter der Nullhypothef¨ ur einen Kandidatenmarker K, T(K)/λ 2 se approximativ eine χ -Verteilung. Die genomische Adjustierung ist leicht durchzuf¨ uhren. Die Approximation passt gut bei sehr feiner Substruktur, das heißt bei der Existenz vieler Subpopulationen, sie wird allerdings bei großer Fallzahl schlechter. Structured Association: Bei der Methode der Structured Association (SA) wird zun¨ achst f¨ ur jedes Individuum gesch¨ atzt, mit welcher Wahrscheinlichkeit es zu einer der Untergruppen geh¨ ort, wobei deren Anzahl vorgegeben ist. Diese Zugeh¨ origkeitswahrscheinlichkeit bezieht man als Stratifikationsfaktor in die Auswertung ein. Dabei lassen einige Verfahren der SA nur diskrete

5.2

Populationsbasierte Assoziationsstudien

241

Subgruppen zu, w¨ ahrend bei anderen auch eine Mischung von Verfahren abgebildet werden kann. Es gibt eine kontroverse Diskussion u ¨ ber die Bedeutung der Populationsstratifikation in realistischen Studiendesigns. W¨ahrend manche Autoren das Problem als sehr ernsthaft ansehen und viele der nicht replizierbaren Assoziationen aufgrund genetischer Substrukturen f¨ ur falsch halten, wird andererseits die Meinung vertreten, dass die Verzerrung der Ergebnisse z.B. bei epidemiologisch gut geplanten und gut analysierten genetischen Assoziationsstudien f¨ ur Krebskrankheiten in den USA bei Personen europ¨aischer Herkunft kein großes Problem darstellt (Thomas und Witte 2002; Wacholder et al. 2002). Bei sorgf¨ altiger Studienplanung wird man es vermeiden, FallKontroll-Studien mit Teilnehmern aus verschiedenen geographischen Regionen durchzuf¨ uhren, ohne daf¨ ur zu sorgen, dass F¨alle und Kontrollen hinsichtlich ihrer Herkunft ausgeglichen sind. Selbst innerhalb einer geographischen Region muss die ethnische Herkunft zwischen F¨allen und Kontrollen m¨oglicherweise ausgeglichen oder eingeschr¨ ankt werden. Die St¨ arke der Verzerrung h¨ angt davon ab, wie groß die Unterschiede zwischen den Subgruppen hinsichtlich der Krankheitspr¨avalenz und der Genotyph¨ aufigkeiten sind, sowie von den gew¨ ahlten Signifikanzgrenzen. Wir haben in Abschnitt 2.2.3.3 gesehen, dass Allelh¨ aufigkeiten zwischen einzelnen Populationen stark variieren k¨ onnen. Wie stark ist nun versteckte Populationsstratifikation innerhalb Europas oder innerhalb Deutschlands existent und welche Bedeutung hat dies f¨ ur genetische Fall-Kontroll-Studien? Innerhalb des nationalen Genomforschungsnetzes (NGFN) wurden f¨ ur jeweils etwa 700 Personen aus verschiedenen Gegenden Deutschlands (Norden, S¨ uden und Nord-Ost/Ost) sehr kleine FST -Werte - maximal 0,0003 beobachtet. Dies ist zu klein, um mit SA entdeckt zu werden. Trotz der kleiatzten Varianzinflationsfaktoren von 1,38 nen FST -Werte reichten die gesch¨ bis 1,88. Dies demonstriert, dass auch bei geringer Populationsstruktur das Problem falsch positiver Assoziationsergebnisse existieren kann. Marchini et al. (2004) zeigten, dass dieses Problem in genomweiten Studien mit großen Fallzahlen und kleinen Signifikanzgrenzen gravierend wird. F¨ ur Studien innerhalb Deutschlands scheint also eine Adjustierung mit der Methode der Genomischen Kontrollen sinnvoll. Allerdings ist offen, wie viele neutrale Marker genutzt werden sollen. In sehr großen Fall-Kontroll-Studien mit mehr als 1000 F¨ allen und Signifikanzgrenzen von 10−3 und kleiner ist die Methode der Genomischen Kontrollen bei einer Anzahl von 50 – 100 neutralen Markern antikonservativ, sie liefert also mehr falsch positive Ergebnisse. Werden hingegen viele neutrale Marker benutzt, ist der Test konservativ, man verliert also Power (Marchini et al. 2004).

242

5. Assoziationsanalyse

Die Maskierung wahrer Assoziationen oder falsch positive Assoziationen k¨onnen auch durch kryptische Verwandtschaft (cryptic relatedness) hervorgerufen werden. Sie liegt vor, wenn z.B. die F¨ alle in der Stichprobe ohne Kenntnis der genauen Beziehung miteinander verwandt sind. Wendet man die u ¨ blichen Tests an, bei denen statistische Unabh¨ angigkeit vorausgesetzt wird, so ist die Verteilung der Teststatistik nicht g¨ ultig. Gibt es zum Beispiel unter den F¨allen viele enge Verwandte, dann sind hier f¨ ur jeden Marker mehr Homozygote als bei den Kontrollen zu erwarten (s. Abschnitt 2.2.1.5), und es entsteht eine Genotypverteilung, die sich von der Kontrollgruppe unterscheidet, obwohl der Marker nicht mit der Krankheit zusammenh¨angt. Unter welchen Bedingungen kryptische Verwandtschaft bei Fall-Kontroll-Studien ein ernst zu nehmendes Problem darstellt, wurde k¨ urzlich von Voight und Pritchard (2005) genauer untersucht. Verzerrungen durch kryptische Verwandtschaft sind nur dann zu erwarten, wenn z.B. die F¨ alle relativ eng miteinander verwandt sind. Bei Studien in großen gut gemischten Populationen konstanter Gr¨ oße ist es sehr unwahrscheinlich, dass dies der Fall ist. Ganz anders ist es in insgesamt relativ kleinen Populationen, die vor nicht allzu langer Zeit schnell angewachsen sind. Kryptische Verwandtschaft kann auch eine wichtige Rolle in Populationen mit einem sehr hohen Anteil an Verwandtenehen spielen, wie etwa in Saudiarabien. In beiden Situationen kann zur Auswertung von Fall-Kontroll-Studien die Methode der Genomischen Kontrollen eingesetzt werden. 5.2.3 Haplotypbasierte Verfahren

Wir haben in Abschnitt 4.5 gezeigt, dass die Betrachtung von Haplotypen aus benachbarten Markern im Vergleich zur Analyse jedes einzelnen Markers den Informationsgehalt bez¨ uglich der Phasenbestimmung f¨ ur Kopplungsstudien deutlich erh¨ ohen kann. Dar¨ uber hinaus dient bei monogenen Krankheiten die L¨ ange des Haplotyps, den die F¨ alle gemeinsam tragen, zur Eingrenzung der chromosomalen Region. In Mehrgenerationenfamilien sind die als Ganzes vererbten Chromosomensegmente relativ lang, weil innerhalb der Familien nur wenige Rekombinationen stattgefunden haben. Auch bei Assoziationsstudien k¨ onnen Haplotypen aus funktionellen biologischen Gr¨ unden und wegen der Populationsgeschichte vorteilhaft sein. Assoziationsstudien auf der Basis von Haplotypen haben in manchen Situationen mehr statistische Power als die Analyse einzelner Marker (Schaid 2006). Auf Modellvorstellungen u ¨ ber die Populationsgeschichte und darauf basierende neuere Verfahren gehen wir weiter hinten in diesem Abschnitt ein. Die Informationseinheiten f¨ ur die biologische Funktion sind die proteinkodierenden Gene, deren Sequenzvarianten bei einem Menschen den maternal und paternal vererbten Haplotypen entsprechen. M¨ ochte man Kandidatengene oder

5.2

Populationsbasierte Assoziationsstudien

243

einige Exons ausf¨ uhrlich untersuchen, ist es sinnvoll, auch Haplotypen zu betrachten, da aus funktionellen Gr¨ unden in der Tat eine Assoziation zu Haplotypen statt zu einzelnen Varianten existieren kann. Ein Beispiel ist die immer wieder gefundene Assoziation zwischen dem Risikogen Apolipoprotein-E (APOE) und der Alzheimer Krankheit (OMIM 104310). Die drei Hauptisoformen des Apolipoproteins-E werden durch die drei Allele ε2, ε3 und ε4 kodiert (s. Abschnitte 1.4.2 und 1.4.3). Sie sind durch zwei SNPs definiert und unterscheiden sich in den Aminos¨ auren an Position 112 und an Position 158. Die Haplotypen auf einem Chromosomenstrang, bestimmt durch die (Aminos¨ aure-)Positionen 112-158, entsprechen Cys-Cys, Cys-Arg und ArgArg und sind die Allele ε2, ε3 und ε4. Dabei ist ε3 das h¨aufigste Allel und ε4 das f¨ ur Alzheimer disponierende Allel mit einer klaren Allel-Dosis-Beziehung. Es wurden verschiedene Ans¨ atze haplotypbasierter Assoziationsanalysen in Fall-Kontroll-Studien entwickelt. Falls die aus einer festen Zahl eng benachbarter Marker gebildeten Haplotypen direkt beobachtet werden k¨onnen und ihre Anzahl u ¨berschaubar bleibt, lassen sie sich wie Allele eines multiallelischen Markers behandeln und mit einfachen Tests oder im Rahmen von Regressionsmodellen analysieren. Im folgenden Beispiel wurden in einer Kandidatenregion f¨ ur Asthma auf Chromosom 20 in Assoziationsanalysen bei 130 F¨allen und 217 Kontrollen 135 SNPs genauer untersucht (Van Eerdewegh et al. 2002). Die kleinsten p-Werte f¨ ur die Einzelmarkertests wurden im ADAM33 Gen gefunden. Die Ergebnisse f¨ ur die SNPs innerhalb des ADAM33 Gens f¨ ur die Untergruppe der Patienten aus UK sind in Tabelle 5.3 zusammengefasst. Die Analyse der Zwei-SNP-Haplotypen hatte in dieser Situation eine deutlich gr¨ oßere Power (s. Tab. 5.3.B). Die Autoren verglichen die vier m¨oglichen Haplotypen bei F¨ allen und Kontrollen mit einem Permutationstest f¨ ur alle SNP-Paare und ermittelten sehr starke Signifikanz f¨ ur die SNP-Kombinationen 10 – 5 und 11 – 5 im ADAM33 Gen. In vielen nachfolgenden Studien konnte die Assoziation des ADAM33 Gens mit dem Auftreten und dem Verlauf von Asthma best¨ atigt werden, allerdings blieb bis heute trotz ausf¨ uhrlicher molekulargenetischer Untersuchungen ungekl¨art, welche Variante oder welcher Haplotyp kausal auf das Krankheitsgeschehen einwirkt (Holgate et al. 2006). Je nach Anzahl der verwendeten Marker wird die Anzahl der Haplotypen schnell groß, daher steht dem m¨ oglichen Powergewinn durch die Betrachtung der Haplotypen ein Powerverlust durch die erh¨ohte Anzahl der Freiheitsgrade gegen¨ uber. Probleme und L¨ osungsans¨ atze sind dieselben wie bei der Verwendung multiallelischer Marker.

244

5. Assoziationsanalyse

Tabelle 5.3. Ergebnisse einer Fall-Kontroll-Studie f¨ ur Asthma, A: Einzel-SNP-Analysen,

B: Haplotypanalyse basierend auf Zwei-SNP-Haplotypen (Van Eerdewegh et al. 2002).

A: Einzel-SNP-Analyse, exakter Fisher-Test, SNPs mit p < 0,05 SNP

Assoziiertes Allel

F¨ alle H¨ aufigkeit %

Kontrollen H¨ aufigkeit %

p-Wert

1

G

74

61

0,03

2

C

92

86

0,04

3

G

95

89

0,03

4

G

84

73

0,004

5

A

59

48

0,02

6

C

94

86

0,01

7

C

84

75

0,03

B: Zwei-SNP-Haplotypanalyse, Permutationstest, SNP-Paare mit p < 0,001 SNP-Paar

p-Wert

2–5

0,0003

8–5

0,0004

9–5

0,0005

10 – 5

0,000003

11 – 5

0,000005

In der Regel sch¨ atzt man die Haplotypverteilung bei F¨allen und Kontrollen. Dabei kommen viele m¨ ogliche Haplotypen meist gar nicht vor. Die Haplotyph¨ aufigkeiten k¨ onnen zwischen F¨ allen und Kontrollen mit einem Chiquadrattest verglichen werden. Bei kleinen Fallzahlen und/oder vielen Haplotypen benutzt man einen Permutationstest (Stephens et al. 2001). Zum Beispiel wurden in einer Studie zur Untersuchung der genetischen Basis einer Infektionskrankheit bei 69 F¨ allen und 37 Kontrollen vier SNPs in einem Kandidatengen typisiert. Die mit dem Programm PHASE gesch¨atzten Haplotyph¨ aufigkeiten sind in Abb. 5.3 f¨ ur F¨ alle und Kontrollen, sortiert nach der H¨ aufigkeit bei Kontrollen, gezeigt. F¨ ur neun Haplotypen bei den F¨allen und sieben Haplotypen bei den Kontrollen wurden H¨aufigkeiten von weniger als 5% gesch¨ atzt. Die Haplotypen 1111, 1112, 1121 sind in der Grafik nicht aufgef¨ uhrt, da ihre H¨ aufigkeit auf null gesch¨ atzt wurde. Der Permutationstest (basierend auf 1000 Permutationen) ergab einen p-Wert von 0,004 und damit eine signifikant unterschiedliche Haplotypverteilung. Eine M¨oglichkeit zur

5.2

Populationsbasierte Assoziationsstudien

245

Häufigkeit

weiteren molekularbiologischen Untersuchung dieser Ergebnisse besteht darin, die h¨ aufigen Haplotypen, die sich am meisten zwischen F¨allen und Kontrollen unterscheiden, in Modellorganismen zu klonieren und ihre Expression zu untersuchen. 0,45

0,40

Fälle Kontrollen

0,35

0,30

0,25

0,20

0.15

0,10

0,05

1122

2111

1211

1212

1221

1222

2121

2112

2122

2211

2221

2222

2212

0

Haplotyp

Abbildung 5.3. Haplotyph¨ aufigkeiten in % (gesch¨ atzt mit PHASE, Stephens et al. 2001)

f¨ ur 69 F¨ alle und 37 Kontrollen, sortiert nach der H¨ aufigkeit bei Kontrollen (mit frdl. Genehmigung von Dr. K. Schiebel, Erlangen).

Der Vergleich der einzelnen Haplotypen setzt die Annahme voraus, dass sie sich in der Population im Hardy-Weinberg-Gleichgewicht befinden, analog zur Betrachtung der Allele bei Markern. Insgesamt h¨angt das Ergebnis davon ab, ob die wahren funktionellen Komponenten hinreichend durch den Haplotyp abgebildet sind. Wenn viele Haplotypen m¨oglich sind, tauchen ¨ofter auch sehr seltene Haplotypen auf. Um die Ungenauigkeit der Sch¨atzung bei deren H¨aufigkeiten zu kompensieren und die Anzahl der Freiheitsgrade des Tests zu reduzieren, werden die seltenen Haplotypen oft weggelassen oder zu einer ,,M¨ ull“-Kategorie zusammengefasst. Werden gerade f¨ ur die M¨ ull-Kategorie unterschiedliche H¨aufigkeiten bei F¨allen und Kontrollen beobachtet, ist die Interpretation schwierig. F¨ ur komplexere Verfahren zur Behandlung dieser seltenen Haplotypen siehe z.B. Schaid (2004).

246

5. Assoziationsanalyse

Bei den bisher beschriebenen Ans¨ atzen wird vorher meist festgelegt, auf wie vielen Markern die Haplotypen f¨ ur einen einzelnen Test basieren sollen. Um gr¨oßere Bereiche zu analysieren, verwendet man sie in gleitenden Fenstern mit fester Markeranzahl als Fensterbreite. In der Populationsgeschichte sind Haplotypen die biologischen Einheiten, die in zusammenh¨ angenden St¨ ucken von Generation zu Generation weitervererbt werden - nur unterbrochen durch seltene Rekombinationsereignisse (s. Abschnitt 2.3). Durch diesen Prozess und weitere evolution¨are Kr¨afte (s. Kapitel 2) entstand eine Struktur im menschlichen Genom, die vom internationalen HapMap Consortium genauer analysiert wurde. Es hat sich gezeigt, dass viele Segmente existieren, deren Variabilit¨at durch wenige Haplotypen (Haplotypbl¨ ocke) erkl¨ art werden kann. Segmente erh¨ohten Linkage Disequilibriums werden auch in der Gruppe von Personen mit einer genetisch komplexen Krankheit rund um ein disponierendes Allel erwartet. Dieses Erkenntnis ist der zentrale Ansatzpunkt zur Entwicklung neuer Methoden der haplotypbasierten Assoziationsanalyse. Zur Erl¨ auterung nehmen wir an, dass eine h¨aufige, disponierende Variante S existiert. Dann erwarten wir bei einer Fall-Kontroll-Studie in einem kleinen Bereich rund um das disponierende Gen eine Haplotypstruktur, wie sie in Abb. 5.4 schematisch dargestellt ist. In der Populationsgeschichte ist irgendwann eine disponierende oder eine protektive Variante auf einem bestimmten Haplotypen entstanden (s. Abb. 5.4.A Generation I sowie Abschnitt 2.4.2). Nachkommen erben nicht nur die Variante, sondern auch St¨ ucke des Gr¨ underchromosoms um diesen Locus, wobei die L¨ange dieser gemeinsamen St¨ ucke mit wachsender Generationenzahl bis zum Gr¨ under durch die stattgefundenen Rekombinationen abnimmt. Manche F¨alle tragen keinen Teil des Gr¨ underhaplotyps, da sie wegen anderer Ursachen erkrankten, und umgekehrt finden sich bei manchen Kontrollen St¨ uckchen des Gr¨ underhaplotyps. Insgesamt haben F¨ alle trotzdem in der N¨ ahe des disponierenden Locus ¨ahnlichere Haplotypen und l¨ angere St¨ uckchen gemeinsam als Kontrollen. Neuere Assoziationstests basieren daher auf der Analyse der Korrelation ¨ ¨ zwischen der ph¨ anotypischen Ahnlichkeit der Personen und der Ahnlichkeit der Haplotypen in der N¨ ahe eines Locus. Zum Beispiel vergleicht man mit ¨ der Haplotyp-Sharing-Statistik (HSS) die mittlere genetische Ahnlichkeit der ¨ Haplotypen bei den F¨ allen K mit der mittleren genetischen Ahnlichkeit bei ¨ Gij (x) zwischen den Kontrollen K. Dabei wird die genetische Ahnlichkeit zwei Haplotypen i und j in der N¨ ahe eines Locus x wie in Abb. 5.5 gezeigt gemessen (Levinson et al. 2001). Im Beispiel sind die Haplotypen der Mar¨ wird hier am Locus ker M1 ,..., M7 eingezeichnet. Die genetische Ahnlichkeit M4 gemessen. Sie ist durch die Anzahl der Marker definiert, bei denen beide Haplotypen gleiche Allele tragen. Hier ist also Gij (M4 ) = 4.

5.2

Populationsbasierte Assoziationsstudien

B

A S

I

247

Abbildung 5.4. A: Der

Fälle

Gr¨ underhaplotyp mit einer disponierenden Variante S wird bei Vererbung von Generation zu Generation verkleinert, B: Nach vielen

II

Generationen tragen F¨ alle, aber sehr wenige Kontrollen

Kontrollen

in der N¨ ahe des disponierenden Locus St¨ ucke des Gr¨ underchromosoms

III

rund um S.

i

M1 M2 M3 M4 M5 M6 M7

1 1 2 1 2 1 1

j

Abbildung 5.5. Haplotypen i und j an den Markerloci M1 ,..., M7 . Ausgehend von M4

2 1 2 1 2 2 1

nach beiden Seiten sind die auf i und j gleichen Allele markiert.

Der Haplotyp-Sharing-Test ist ein statistischer Test an der Stelle x, bei dem Haplotypinformation aus der N¨ ahe von x einbezogen wird. Durch die paarwei¨ sen Vergleiche der Haplotypen sowie die Konstruktion des Ahnlichkeitsmaßes werden keine Haplotypen fester L¨ ange verwendet. Die Haplotyp-SharingTeststatistik wird nun wie folgt berechnet: HSS(x) =

1  1  Gij (x) − Gij (x), lK i=j lK i=j i,j∈K

i,j∈K

wobei in der ersten Summe u ¨ ber alle beliebigen Haplotyppaare in der Gruppe der F¨ alle und in der zweiten Summe u ¨ber alle Haplotyppaare in der Gruppe der Kontrollen summiert wird. Gibt es nK F¨alle und nK Kontrollen, dann K −1) ist lK = 2nK (2n die Anzahl der Paarvergleiche bei F¨allen, lK ist entspre2 chend definiert. Da sich die Verteilung von HSS unter der Nullhypothese, dass es keine Assoziation einer Variante von x mit der Krankheit gibt, nicht einfach beschreiben l¨ asst, verwendet man einen Permutationstest. Allgemeiner kann man eine Teststatistik der Form  Gij (x)Pij T (x) = i
=j

248

5. Assoziationsanalyse

¨ verwenden, die die Korrelation genetischer Ahnlichkeit Gij (x) mit ph¨anoty¨ pischer Ahnlichkeit Pij der Personen beschreibt, von denen die Haplotypen stammen (Beckmann et al. 2005). Dies stellt einen sehr generellen Ansatz dar, der f¨ ur qualitative und quantitative Merkmale, f¨ ur populationsbasierte und familienbasierte Studien anwendbar ist. Die Tests werden in einer Region angewendet, indem man sie an allen Loci durchf¨ uhrt und f¨ ur das multiple Testen korrigiert (Obreiter et al. 2005). Zieht man die M¨ oglichkeit in Betracht, dass es an einem Locus x mehrere disponierende Varianten geben kann, die unabh¨ angig voneinander in der Geschichte entstanden sind, so stellt man sich in der N¨ ahe des Suszeptibilit¨atsgens verschiedene Cluster untereinander ¨ ahnlicher Haplotypen bei den F¨allen, aber nicht bei den Kontrollen vor. Die beschriebenen Tests lassen sich in dieser Situation ebenfalls nutzen, es wurden aber auch Verfahren entwickelt, die direkt Bezug auf die Existenz mehrerer Gr¨ undervarianten nehmen (Waldron et al. 2006). Angenommen, wir betrachten die Situation zweier verschiedener Gr¨ undervarianten. In der N¨ ahe des betrachteten Locus werden zwei Cluster ¨ ahnlicher Haplotypen gesch¨ atzt, wobei wieder ein Ahnlichkeitsmaß benutzt ¨ wird. Jedem Individuum ordnet man nun die Anzahl 0, 1 oder 2 Haplotypen zu, die es in jedem dieser Cluster hat, und vergleicht deren Verteilung zwischen F¨ allen und Kontrollen. ¨ Wir haben oben ein einfaches genetisches Ahnlichkeitsmaß beschrieben. Andere Definitionen z.B. unter Ber¨ ucksichtigung genetischer Abst¨ande werden verwendet, und es gibt Modifikationen, die Nicht¨ ubereinstimmungen an einzelnen Markerloci mit einer gewissen Strafe tolerieren. Dar¨ uber hinaus k¨onnen ¨ Ubereinstimmungen bei seltenen Allelen st¨ arker bewertet werden als bei h¨ aufigen Allelen. Die Korrelationstests sowie die clusteranalytischen Verfahren basieren in der Regel auf der Annahme bekannter Haplotypen. Es ist u ur jede Person den wahrscheinlichsten Diplotyp zu verwenden ¨ blich, f¨ (s. Abschnitt 2.3.2.1). Die weitere Entwicklung haplotypbasierter Assoziationsverfahren unter Ber¨ ucksichtigung der Populationsgeschichte und die Ber¨ ucksichtigung der Unsicherheit bei der Haplotypsch¨atzung sind Gegenstand aktueller Forschung.

5.2

Populationsbasierte Assoziationsstudien

249

Exkurs: Exakte Tests und Permutationstests Statistische Tests wie der χ2 -Test oder der t-Test sind approximative Tests, denn die Teststatistik folgt nicht exakt der angegebenen Verteilung, sondern approximiert sie mit hinreichend großer Stichprobengr¨oße. Diese angegebene Verteilung nennt man Grenzverteilung, da sie streng genommen f¨ ur den Grenzwert bei unendlich großer Stichprobengr¨oße gilt. Die Approximation an diese Grenzverteilung wird umso besser, je gr¨oßer die Stichprobe wird. Je nach Test und genauem Datentyp wird f¨ ur eine gute Approximation eine mehr oder weniger große Stichprobengr¨ oße ben¨otigt. aufigkeiten in den Zellen f¨ ur mehr Bei einem χ2 -Test sollten die erwarteten H¨ als 20% der Zellen mindestens 5 betragen, und keine der beobachteten Anzahlen darf Null sein (Weiß 2005, S. 236). Andernfalls passt die Approximation nicht gut, und man verwendet f¨ ur Kontingenztafeln den exakten Fisher-Test. Er heißt exakt, weil die Wahrscheinlichkeiten der beobachteten Tafel und noch extremerer Tafeln genau berechnet werden. Hierbei werden die Summen in den Spalten und Zeilen (Randsummen) auf die beobachteten Anzahlen der vorliegenden Stichprobe gesetzt. Bei einer Vierfeldertafel z.B. ordnet man die Zellen der Tafel so an, dass die erste Zelle die kleinste Anzahl enth¨alt, und bildet alle weiteren m¨ oglichen Tafeln mit kleineren Anzahlen in dieser Zelle bei festbleibenden Randsummen. Die Einzelwahrscheinlichkeiten dieser Tafeln werden berechnet und zum p-Wert aufsummiert (s. Weiß 2005, S. 241). Der exakte Fisher-Test kann theoretisch bei beliebigen k × l Tafeln verwendet werden, allerdings ist er bei gr¨ oßeren Zellzahlen rechnerisch sehr aufwendig. Wenn die Voraussetzungen f¨ ur einen approximativen Test nicht erf¨ ullt sind oder sich f¨ ur eine komplexe Teststatistik keine Grenzverteilung ermitteln l¨ asst, kann man einen Permutationstest anwenden. Permutationstests werden wie folgt durchgef¨ uhrt: Angenommen, in zwei Stichproben der Gr¨oße 5 werden quantitative Werte x1 ,..., x5 und y1 ,. . . , y5 gemessen und die Test¯ − y¯ genutzt, um die Gleichheit der Erwartungswerte (H0 : statistik T ∗ = x ufen. Nun betrachtet man alle m¨oglichen Permutationen, µx − µy = 0) zu pr¨ d.h. Zuordnungen, der gemessenen Werte zu zwei gleich großen Stichproben 10! = 252 M¨ oglichkeiten, und berechnet jeweils die der Gr¨ oße 5, das sind 5!·5! Teststatistik T. Dies ergibt die vollst¨ andige Permutationsverteilung der Teststatistik, anhand derer man am p-Wert ablesen kann, wie wahrscheinlich der beobachtete Wert T* oder extremere Werte sind. Bei gr¨ oßeren Stichproben und komplexeren Teststatistiken bestimmt man nicht die exakte Permutationsverteilung, sondern approximiert sie durch eine zuf¨ allige Stichprobe der Gr¨ oße n aller m¨ oglichen Permutationen. Damit der anhand dieser Stichprobe ermittelte p-Wert den p-Wert der exakten Permutationsverteilung gut approximiert, sollte eine gewisse Mindestanzahl von Permutationen durchgef¨ uhrt werden. Ein praktischer Ansatz besteht darin,

250

5. Assoziationsanalyse

n so zu w¨ ahlen, dass z.B. das 99% KI (s. Abschnitt 1.4.1) f¨ ur p eine vorgegebene Breite nicht u ¨ berschreitet. Manly (1991, S. 32-36) empfiehlt n>1000, falls der wahre p-Wert etwa bei 0,05 liegt, und n>5000, falls der wahre p-Wert etwa bei 0,01 ist. Durch dieses Verfahren kann also das computergenerierte Zufallsexperiment in einer beinahe beliebig großen Zahl von Replikationen durchgef¨ uhrt werden. Es ist eine Monte-Carlo-Simulation, also ein ComputerExperiment zur Untersuchung eines interessierenden, aber mathematisch nur schwer l¨ osbaren Sachverhalts durch einen stochastischen Simulationsalgorithmus. Auch Markov-Chain-Monte-Carlo-(MCMC-) Methoden geh¨oren zu den Monte-Carlo-Simulationen. Sie werden h¨ aufig bei besonders hochdimensionalen Datenstrukturen, wie z.B. komplexen Stammb¨aumen, angewendet. MCMC ist im Wesentlichen eine Monte Carlo Integration unter Verwendung von Markov-Ketten. Eine Integration wird z.B. zur Berechnung der Likelihood bei Segregations- und Kopplungsanalysen ben¨otigt. Die MarkovKette erm¨ oglicht in den Simulationen z.B. den Wechsel von den m¨oglichen Genotypen eines Individuums zu den m¨ oglichen Genotypen seiner n¨achsten Verwandten im Stammbaum. 5.2.4 Quantitative Merkmale

Quantitative Merkmale wie Blutdruck oder BMI (body mass index) werden ¨ oft an einem Schwellenwert dichotomisiert, Bluthochdruck ja/nein oder Ubergewicht ja/nein, und mit den Methoden der vorangegangenen Abschnitte analysiert. Dabei geht Information verloren und daher ist es sinnvoll, statistische Methoden zur Auswertung stetiger Merkmale zu verwenden. Da wir bei populationsbasierten Studien von statistisch unabh¨angigen Personen ausgehen, lassen sich die statistischen Standardmethoden einsetzen. Betrachten wir zun¨ achst ein Beispiel mit zwei genotypischen Gruppen, ein dominantes Modell an einem Markerlocus M. Die Messwerte in einer Zufallsagern bzw. n2 Tr¨agern des M2 –Allels. stichprobe stammen von n1 Nicht-Tr¨ Wir bezeichnen sie mit X1 ,..., Xn1 und Y1 ,. . . , Yn2 . Wenn sich die Grundgesamtheit der Messwerte beider Gruppen durch Normalverteilungen mit gleicher Varianz darstellen l¨ asst, die sich nur bez¨ uglich ihrer Erwartungswerte M1 und M2 unterscheiden k¨ onnen, verwendet man den t-Test f¨ ur unverbundene Stichproben. Die Teststatistik lautet: x−y  , t= s · n11 + n12 dabei sind x und y die gesch¨ atzten Mittelwerte der beiden Gruppen und atzer aus der Stichprobe, den man aufgrund der Annahme s2 der Varianzsch¨

5.2

Populationsbasierte Assoziationsstudien

251

gleicher Varianzen in den beiden Gruppen durch Mittelung der gesch¨atzten Varianzen in den einzelnen Gruppen s21 und s22 berechnet: s2 =

(n1 − 1)s21 + (n2 − 1)s22 . n1 + n2 − 2

Die Nullhypothese H0 : µ1 = µ2 wird abgelehnt, falls die Teststatistik die kritische Grenze der t-Verteilung mit n1 + n2 − 2 Freiheitsgraden (FG) u ¨ berschreitet, also falls |t| >> tF G;1− α2 . Der Effekt des Genotyps ist hier durch die Differenz der Erwartungswerte gegeben. Ein Effekt l¨ asst sich dann feststellen, wenn die Differenz der Mittelwerte auch relativ zu der Streuung groß ist (s. Abb. 3.1). Hier ist die Beurteilung durch das 95% Konfidenzintervall f¨ ur die Differenz der Mittelwerte wichtig:  1 1 α x − y ± tF G;1− 2 · s · + . n1 n2 Die Voraussetzungen des Tests u uft man empirisch durch Betrachtung ¨ berpr¨ der Histogramme der Gruppen und der u ¨blichen Kenngr¨oßen wie Mittelwert, Median, Schiefe und Kurtosis. Gl¨ ucklicherweise ist der t-Test relativ robust (unempfindlich) gegen¨ uber Abweichungen von der Normalverteilungsannahme. Geht man von verschiedenen unbekannten Varianzen zwischen den Gruppen aus, so w¨ ahlt man den Welch-Test. Kann man die Normalverteilungsannahme nicht machen, so w¨ ahlt man nichtparametrische Tests, d.h. Tests, die keine bestimmte Verteilung voraussetzen. Der bekannteste nichtparametrische Test ist der Mann-Whitney U-Test, bei dem statt der Messwerte R¨ange betrachtet werden (s. Weiß 2005, S. 208 ff). Der t-Test l¨ asst sich immer dann anwenden, wenn zwei Gruppen gebildet werden, also z.B. beim dominanten, rezessiven oder additiven Modell. Betrachten wir alle drei m¨ oglichen Genotypen eines biallelischen Markers, so kann man dies durch ein Hauptgenmodell (s. Abschnitt 3.4.1) beschreiben. Man nimmt hierbei an, dass der Wert der Messgr¨oße bei einer Person j mit dem Genotyp i, Yij , sich als Summe eines Erwartungswertes µi und eines standardnormalverteilten Fehlerterms εij darstellen l¨asst: Yij = µi + εij , i bezeichne in unserem Beispiel die Anzahl der Risikoallele. Zur Untersuchung des Hauptgeneffektes f¨ uhrt man nun eine einfaktorielle Varianzanalyse durch, wobei der Faktor der Marker und die Faktorstufen die drei m¨oglichen Genotypen sind. F¨ ur den globalen Hauptgeneffekt wird nun die Nullhypothese ur mindestens eine KombinatiH0 : µ0 = µ1 = µ2 gegen H1 : µi = µj f¨ on i, j = 0, 1, 2 mit i = j getestet. H0 bedeutet also, dass die untersuchte quantitative Gr¨ oße f¨ ur jeden Genotyp derselben Normalverteilung folgt. Die Teststatistik F beruht auf dem Vergleich der Varianz innerhalb der Faktor-

252

5. Assoziationsanalyse

stufen (mean square error, MSE) und zwischen den Faktorstufen/Genotypen (mean square effect). Der F-Test testet dabei, ob das Verh¨altnis der beiden Varianzen signifikant gr¨ oßer ist als 1. Wir verzichten auf die Angabe des Tests und verweisen zur Vertiefung der Analysis of Variance auf das Lehrbuch von Fahrmeier und Hamerle (1984). F¨ ur den Fall eines signifikanten Ergebnisses werden zum Beispiel paarweise Vergleiche der Erwartungswerte unter Ber¨ ucksichtigung des Mehrfachtestens durchgef¨ uhrt und simultane Konfidenzintervalle berechnet. Ist der Faktor Genotyp signifikant, ist es biologisch sinnvoll, die Paarvergleiche H0 : µ0 = µ1 gegen H1 : µ0 = µ1 und uhren. Wird eine dieser NullhyH0 : µ1 = µ2 gegen H1 : µ1 = µ2 durchzuf¨ pothesen signifikant abgelehnt, die andere jedoch nicht, kann man nach dem Sparsamkeitsprinzip (s. Exkurs 3) gegebenenfalls ein dominantes bzw. rezessives Modell vermuten. Dieses sollte aber nicht ohne direkte Betrachtung der Mittelwerte und Konfidenzintervalle erfolgen. Die einfaktorielle Varianzanalyse l¨ asst sich auch bei der Untersuchung eines quantitativen Ph¨ anotyps und eines Markers mit mehr als zwei Allelen verwenden. Sollen weitere m¨ ogliche Einflussgr¨ oßen ber¨ ucksichtigt werden, darunter nicht nur kategorielle Variablen, sondern auch stetige Variablen, so formuliert man ein allgemeines Regressionsmodell (s. Abschnitt 1.4.4). 5.2.5 Power

Bei der Studienplanung ist eine der wichtigsten Fragen, wie groß die Stichprobe sein muss, damit ein in Wahrheit existierender Effekt einer einzelnen Variante mit der gew¨ unschten Wahrscheinlichkeit (statistische Power, s. Abschnitt 1.4.3) entdeckt werden kann. Der erforderliche Stichpobenumfang h¨ angt von mehreren Parametern ab: vom Signifikanzniveau α, zu dem getestet werden soll; von der gew¨ unschten Power; von der Art der Daten; von ihrer Verteilung; vom statistischen Test; und von der Gr¨ oße des nachzuweisenden Effekts. Wir betrachten eine direkte Fall-Kontroll-Studie und die Untersuchung einer disponierenden Variante D. Angenommen, es soll zum Signifikanzniveau α=0,05 getestet werden, und die gew¨ unschte Power betr¨agt 0,8. Die erwarteten Genotyph¨ aufigkeiten bei F¨ allen und Kontrollen sind von der Krankheitspr¨ avalenz P(K), der H¨ aufigkeit der disponierenden Variante D und den angenommenen genotypischen relativen Risiken γ1 und γ2 abh¨angig. Als Beispiel w¨ ahlen wir P(K)=0,1; P(D)=0,2; γ1 = γ2 = 2. Tabelle 5.4.A zeigt, dass die Unterschiede bei den erwarteten Genotyph¨aufigkeiten relativ groß sind. Bei gleich vielen F¨ allen und Kontrollen ist die n¨otige Fallzahl f¨ ur beide Gruppen 131 (χ2 -Test). Bei indirekten Assoziationsstudien, also wenn die disponierende Variante nicht unter den untersuchten Markern ist, muss zus¨atzlich das Linkage Dise-

5.2

Populationsbasierte Assoziationsstudien

253

Tabelle 5.4. Erwartete Genotyph¨ aufigkeiten in einer Fall-Kontroll-Studie der Krankheit K

ur das disponierende Gen mit den Allelen D, d mit P(K)=0,1; P(D)=0,2; γ1 = γ2 = 2, A: f¨ und B: f¨ ur einen assoziierten Marker M mit D’=0,7 und der Allelh¨ aufigkeit des assoziierten Allels P(M1 )=0,4 (berechnet mit GPC, Purcell et al. 2003).

A

B F¨ alle

Kontrollen

F¨ alle

Kontrollen

DD

0,06

0,04

M1 M1

0,19

0,16

Dd

0,47

0,30

M1 M2

0,50

0,47

dd

0,47

0,66

M2 M2

0,31

0,37

quilibrium zwischen dem disponierenden Allel D und dem typisierten Maraufigkeit ber¨ ucksichtigt werden (Botstein und Risch kerallel M1 und dessen H¨ 2003; Zondervan und Cardon 2004). Angenommen, in diesem Beispiel gilt: D’=0,7 und P(M1 )=0,4. Das LD und die Tatsache, dass P(M1 ) doppelt so groß ist wie P(D), reduziert die Unterschiede bei den erwarteten Genotyph¨ aufigkeiten (Tabelle 5.4.B) und f¨ uhrt zu einer n¨otigen Fallzahl je Gruppe von 676 Personen. Wenn das LD zwischen M und D noch geringer ist, zum Beispiel D’=0,5, sind sogar 1408 Personen in jeder Gruppe erforderlich. Die Fallzahlen wurden hier mit GPC berechnet, was zu geringen Abweichungen gegen¨ uber Quanto f¨ uhrt, denn GPC arbeitet mit dem relativen Risiko und Quanto mit dem Odds Ratio. Tabelle 5.5 zeigt, dass f¨ ur kleine Odds Ratios OR und eine geringe H¨aufigkeit des disponierenden Allels beim Testen eines Kandidatengens bereits sehr große Fallzahlen erforderlich sind. F¨ ur quantitative Merkmale h¨ angt die erforderliche Stichprobengr¨oße von dem Unterschied der Mittelwerte und der Gr¨ oße der Varianz ab (s. Abb. 3.4). Fallzahlberechnungen unter den verschiedenen Annahmen lassen sich bequem mit Fallzahlberechnungsprogrammen durchf¨ uhren, die wir am Ende des Kapitels kommentieren. Auf die in genomweiten Assoziationsstudien erforderlichen Fallzahlen gehen wir in Abschnitt 5.4 ein. Zum Schluss dieses Abschnitts soll noch angemerkt werden, dass Berechnungen des Zusammenhangs zwischen Power und Fallzahl nicht nur w¨ahrend der Studienplanung wichtig sind. Auch nachdem eine Studie durchgef¨ uhrt wurde, kann eine retrospektive Poweranalyse helfen herauszufinden, ob negative Ergebnisse durch mangelnde Stichprobengr¨ oße verursacht wurden, beziehungsweise welches der kleinste Effekt ist, den man mit der aktuellen Stichprobengr¨ oße h¨ atte entdecken k¨ onnen, vorausgesetzt er ist in Wahrheit vorhanden.

254

5. Assoziationsanalyse

Tabelle 5.5. Notwendiger Stichprobenumfang pro Gruppe bei einem χ2 -Test f¨ ur ein

dominantes Modell, Krankheitspr¨ avalenz P(K)=0,1; α=0,05; Power = 0,8. H¨ aufigkeit des disponierenden Allels D OR

5.3

0,05

0,1

0,2

0,3

0,4

1,2

5070

2939

2013

1897

2097

1,4

1423

835

584

561

630

1,6

703

417

297

290

330

1,8

436

261

189

187

216

2,0

305

184

136

136

158

2,5

166

102

78

80

95

3,0

122

69

54

57

69

3,5

84

53

42

45

55

4,0

67

43

35

38

47

5.3 Familienbasierte Assoziationsstudien Wenn f¨ ur die F¨ alle Familieninformationen gesammelt werden k¨onnen oder aus Kopplungsstudien schon vorhanden sind, z.B. die Genotypen der Eltern oder der Geschwister der F¨ alle, k¨ onnen genetische Assoziationsstudien in Familiendesigns durchgef¨ uhrt werden. Ein Vorteil dieser Designs besteht darin, dass sie robust gegen Populationsstratifikation sind. Wir erl¨autern ausf¨ uhrlich den TDT (Transmission-Disequilibrium-Test) f¨ ur Trios sowie einige seiner Erweiterungen. Anschließend besprechen wir kurz zwei allgemeine Ans¨atze, die es erlauben, Kernfamilien mit mehreren erkrankten und gesunden Kindern und Mehrgenerationenfamilien zu analysieren. Beide k¨onnen als Erweiterung des TDT betrachtet werden. Dies sind einerseits Verfahren, die auf der Anwendung bedingter Regressionsmodelle auf F¨ alle und ihre sogenannten Pseudokontrollen basieren und die hier als Fall-Pseudokontroll-Regressionsmethoden bezeichnet werden. Andererseits sind es Verfahren, bei denen die Korrelation zwischen Ph¨ anotyp und Genotyp ausgenutzt wird und die nach dem ersten dieser Verfahren als FBAT- (Family-Based-Association-Test-) Methoden bezeichnet werden. Die MASC- (Marker-Association-Segregation-Chisquare-) Methode, eine Modellierungsmethode unter Ausnutzung von Kopplung und Assoziation, wird am Schluss besprochen. 5.3.1 Der Transmission-Disequilibrium-Test (TDT)

Wir betrachten das in Abb. 5.6 gezeigte Trio. Von der Mutter wurde das weiße Allel vererbt und das schwarze nicht vererbt. Wenn Marker und Krankheit unabh¨ angig sind, so wird unter der Annahme Mendelscher Transmission jedes Allel mit Wahrscheinlichkeit 0,5 an ein Kind vererbt. Daher ist die andere M¨oglichkeit, dass die Mutter das schwarze Allel an ihr krankes Kind vererbt

5.3

Familienbasierte Assoziationsstudien

255

und das weiße nicht, genauso wahrscheinlich. Wird allerdings z.B. das weiße Allel h¨ aufiger an kranke Kinder vererbt, ist dies ein Hinweis darauf, dass es mit dem gesuchten disponierenden Locus in Zusammenhang steht. Auf der Idee, vererbte und nicht vererbte Allele zu betrachten, basiert der TDT (Spielman et al. 1993).

Abbildung 5.6. Kernfamilie mit einem erkrankten Kind.

Weiß kennzeichnet die Allele, die von den Eltern an das erkrankte Kind u ¨bertragen wurden. Die schwarz gekennzeichneten Allele (rechts neben dem Kind dargestellt) wurden nicht an das erkrankte Kind u ¨bertragen.

Wir betrachten nun den biallelischen Marker M mit den Allelen M1 und M2 . Die aus einer Stichprobe von n Trios gewonnenen Daten lassen sich f¨ ur die auf das Kind u ¨ bertragenen Allele wie in Tab. 5.6 zusammenstellen. Da die Transmission der Allele bei der Mutter und dem Vater jeweils unabh¨angig verl¨auft, gibt es in den vier Feldern der Kontingenztafel insgesamt 2n Eintr¨age. Tabelle 5.6. Kontingenztafel f¨ ur die Anzahl der Kombinationen von vererbten und nicht

vererbten Allelen eines biallelischen Markers mit den Allelen M1 und M2 bei n Trios.

nicht u ¨ bertragenes Allel u ¨ bertragenes Allel

M1

M2

M1

a11

a12

M2

a21

a22

Summe

2n

Das vererbte (¨ ubertragene, transmitted) und das nicht vererbte (nicht u ¨ bertragene, non-transmitted) Allel sind verbunden, da beide zu einem Elternteil geh¨ oren. Daher ist der McNemar-Test f¨ ur verbundene Stichproben in dieser Situation ein angemessener Test. Angewandt auf Allelzahlen wie in Tabelle 5.6 heißt er TDT. Mit ihm pr¨ uft man, ob das Allel M1 genauso h¨aufig wie das Allel M2 von einem heterozygoten Elternteil an ein krankes Kind vererbt wird. Die Teststatistik lautet:

T DT =

(a12 − a21 )2 . (a12 + a21 )

(5.1)

256

5. Assoziationsanalyse

Die Nullhypothese und damit auch die Alternative des Tests sind simultane Hypothesen: H0 : θ = 0, 5 oder D = 0

(5.2)

H1 : θ = 0, 5 und D = 0 Unter der Nullhypothese ”keine Kopplung oder keine Assoziation” hat die Teststatistik asymptotisch eine χ2 -Verteilung mit einem Freiheitsgrad. Der Standard McNemar Sch¨ atzer f¨ ur das allelische Odds Ratio und die Varianz des logarithmierten Odds Ratios lauten: = a12 , OR a21

= 1 + 1 . V ar(lnOR) a12 a21

Wenn das multiplikative Modell gilt, dann ist das McNemar Odds Ratio ein Sch¨ atzer f¨ ur das allelische Risiko (s. Thomas, 2004 S. 275-276 und Abschnitt 5.2.1). Da ein homozygotes Elternteil zwei gleiche Allele aufweist, liefert es immer den Beitrag 1 zu den Anzahlen a11 oder a22 in der Kontingenztafel, die keine Information u uber ¨ ber bevorzugte Transmission eines Allels gegen¨ dem anderen enthalten. Es gehen nur die Anzahlen a12 und a21 aus den grau markierten Zellen in die Teststatistik ein. Angenommen f¨ ur die Krankheit gibt es ein Gen mit dem disponierenden Allel S und dem normalen Allel s. Es sei P(S)=p, P(M1 )=q sowie θ die Rekombinationsrate zwischen dem Marker M und dem disponierenden Gen und D das Linkage Disequilibrium zwischen S und M1 . In Tabelle 5.7 sind die Wahrscheinlichkeiten f¨ ur die Kombinationen von u ¨bertragenen und nicht u ¨bertragenen Allelen bei einem Trio eingetragen. Tabelle 5.7. Wahrscheinlichkeiten f¨ ur die Kombinationen von u ¨bertragenen und nicht

u ¨bertragenen Allelen M1 und M2 bei Trios mit einem erkrankten Kind, θ bezeichnet die Rekombinationsrate und D das Linkage Disequilibrium.

nicht u ¨bertragenes Allel

u ¨bertragenes Allel M1 M2

M1 q2 +

M2

qD p

q(1 − q) +

(θ−q)D p

q(1 − q) + (1 − q)2 −

(1−θ−q)D p (1−q)D p

5.3

Familienbasierte Assoziationsstudien

257

F¨ ur die Teststatistik des TDT spielen nur die Terme in den schattierten Zellen eine Rolle, sie h¨ angen von D und θ ab. Weil homozygote Elternteile keine Information u ber Kopplung liefern k¨ onnen, kommt θ in den Formeln ¨ der nicht schattierten Zellen nicht vor. F¨ ur eine Stichprobe aus Trios ist der TDT einerseits ein g¨ ultiger Test auf Kopplung, H0 : θ=0,5, und andererseits ein Test auf Assoziation, H0 : D=0. Als Kopplungstest hat er keine Power, wenn keine Assoziation vorliegt. In diesem Fall sind die Wahrscheinlichkeiten in den schattierten Zellen in Tabelle 5.7 gleich, und folglich ist der Erwartungswert des TDT f¨ ur jedes θ >0 null. ¨ Zur Veranschaulichung dient die Uberlegung, dass bei starker Kopplung zwar in jeder Familie das Markerallel auf dem Haplotyp des disponierenden Allels an das kranke Kind vererbt wird, es sich aber in den einzelnen Familien um verschiedene Allele handelt, wenn keine Assoziation vorliegt. Als Test auf Assoziation hat der TDT nur dann Power, wenn Kopplung vorliegt. Andernfalls, also f¨ ur θ=0,5, sind die Terme in den schattierten Zellen in Tabelle 5.7 (unabh¨ angig von der Gr¨ oße von D) wieder gleich und der Erwartungswert des TDT null. Daraus ergibt sich die wichtige Eigenschaft, dass der TDT robust gegen Populationsstratifikation ist. Es werden n¨amlich positive Testergebnisse vermieden, wenn zwar allelische Assoziation wegen Populationsstratifikation, aber keine Kopplung vorliegt (s. Tabelle 5.7). Dies stellt einen großen Vorteil des Triodesigns im Vergleich zu populationsbasierten Studien dar. Es stellt sich die Frage, ob der TDT auch in Kernfamilien mit mehreren erkrankten Kindern so angewendet werden kann, indem die transmittierten und nicht transmittierten Allele f¨ ur jedes Elternteil und jedes Kind gez¨ahlt werden. Wird in solchen Familien auf Kopplung getestet, dann sind unter der Nullhypothese die Transmissionen eines elterlichen Allels an mehrere Kinder statistisch unabh¨ angige Ereignisse. In dieser Situation stellt der TDT also einen g¨ ultigen Test auf Kopplung dar. Dies gilt nicht beim Test auf Assoziation. Wenn n¨amlich unter der Nullhypothese D=0 Kopplung vorliegt, dann sind die Transmissionen eines elterlichen Allels an mehrere erkrankte Kinder keine unabh¨angigen Ereignisse mehr, denn in einer Familie wird das Markerallel, das mit dem disponierenden Allel auf einem Haplotyp liegt, mit der Wahrscheinlichkeit 1-θ an ein erkranktes Kind vererbt. Der TDT ist in Kernfamilien mit mehreren erkrankten Kindern kein g¨ ultiger Test auf Assoziation. Als Beispiel wenden wir den TDT auf Daten zur Untersuchung der Multiplen Sklerose an. Die Multiple Sklerose (OMIM 126200) ist eine Erkrankung des zentralen Nervensystems. Es handelt sich wahrscheinlich um eine Autoimmunkrankheit, der m¨ oglicherweise eine Virusinfektion zugrunde liegt. Die Inzidenz im

258

5. Assoziationsanalyse

n¨ordlichen Europa ist ca. 30-60/100.000. Die Erkrankung tritt in der Regel zwischen dem 20. und 40. Lebensjahr auf und zeigt sowohl leichte als auch schwere Verlaufsformen. Bei nur ca. 3% - 12% der Erkrankten wird eine famili¨are H¨aufung beobachtet. Das Risiko von Verwandten ersten Grades eines Patienten ist jedoch um einen Faktor der Gr¨ oßenordnung 20 h¨ oher als das Risiko in der Allgemeinbev¨olkerung. Bei der Untersuchung von Kandidatengenen in Fall-Kontroll-Studien hatten vor allem die DR2 Allele des HLA-Systems immer wieder konsistent eine - allerdings nur schwache - Assoziation gezeigt. Der DR-Locus wurde mittels TDT in einer Stichprobe von 49 Patienten und deren Eltern aus der Bretagne untersucht. Alle DR-Allele außer dem Kandidaten DR2 wurden aufgrund der Vorergebnisse aus populationsbasierten Assoziationsstudien zu DRX zusammengefasst. ¨ Tabelle 5.8. Ubertragene und nicht u ¨bertragene DR Allele bei 49 Multiple Sklerose Patienten. Andere Allele außer dem Kandidaten DR2 wurden zu DRX zusammengefasst.

nicht u ¨bertragenes Allel u ¨bertragenes Allel

DR2

DRX

DR2

2

29

DRX

8

59

Bei den heterozygoten Eltern wird 29 mal das Allel DR2 u ¨ bertragen und 8 mal nicht. Die Teststatistik (s. Gl. 5.1) lautet: T DT =

(29 − 8)2 = 11, 9 (29 + 8)

Der p-Wert des Tests ist p=0,0006, es besteht also ein hochsignifikanter Hinweis auf Kopplung und Kopplungsungleichgewicht zwischen dem DR Locus und einem pr¨ adisponierenden Gen f¨ ur Multiple Sklerose. Insgesamt gilt, dass bei Stichproben, bestehend aus Trios mit jeweils einem erkrankten Kind, dieselbe Teststatistik einen Test auf Kopplung und einen Test auf Assoziation liefert, hierbei wird die G¨ ultigkeit der Mendelschen Transmissionswahrscheinlichkeiten vorausgesetzt. Der TDT ist f¨ ur viele Situationen erweitert worden, in denen er in der urspr¨ unglichen Form nicht angewendet werden konnte. Dazu geh¨oren Kernfamilien mit erkrankten und gesunden Kindern, quantitative Ph¨anotypen, Marker mit mehr als zwei Allelen, Haplotypen, Familien mit fehlenden Genotypen und die Betrachtung zweier Loci.

5.3

Familienbasierte Assoziationsstudien

259

Bei der Untersuchung von Erkrankungen, die erst in h¨oherem Lebensalter auftreten, k¨ onnen die Eltern oft nicht genotypisiert werden, es existieren aber h¨ aufig gesunde Geschwister. F¨ ur diese Situation wurde der S-TDT (Sib-TDT, Spielman und Ewens 1998) entwickelt. Hier betrachtet man Geschwisterschaften mit mindestens einem erkrankten und einem gesunden Geschwister, die verschiedene Genotypen tragen und bei denen die Eltern nicht typisiert sind. Als Teststatistik T f¨ ur einen Marker M mit den Allelen M1 und M2 betrachtet man die Anzahl der M1 Allele bei den erkrankten Geschwistern in allen Geschwisterschaften i=1,..., n. Der S-TDT ist ein Permutationstest (s. Exkurs 5). Ihm liegt die Annahme zugrunde, dass unter H0 pro Geschwisterschaft die Verteilung der Genotypen auf erkrankte und nicht erkrankte Geschwister gleich wahrscheinlich ist. Die Verteilung von T unter der Annahme zuf¨alliger Transmission dieses Allels wird durch Permutation des Krankheitszustands innerhalb der einzelnen Geschwisterschaften jeweils unter Beibehaltung der Anzahl gesunder und erkrankter Personen bestimmt. Analog zum TDT ist der S-TDT ein Test auf Kopplung, der nur statistische Power hat, wenn Assoziation vorliegt, und er ist ein Test auf Assoziation f¨ ur Geschwisterschaften mit genau einem erkrankten und einem gesunden Geschwister. Der Permutationstest wird vor allem angewendet, wenn die Stichproben klein sind. F¨ ur den Erwartungswert und die Varianz f¨ ur T unter der Nullhypothese haben Spielman und Ewens auch analytische Ausdr¨ ucke hergeleitet. F¨ ur große Stichproben kann daher die Teststatistik S-TDT =

 (Ti − E(Ti ))  var(Ti ) i

gebildet und durch eine Standardnormalverteilung approximiert werden. Dabei wird u ¨ ber alle Geschwisterschaften isomiert. Bei vielen Studien liegt nicht genau ein Familientyp vor, sondern z.B. Trios mit erkrankten Kindern und typisierten Eltern sowie Geschwisterschaften mit einem typisierten Elternteil und solche ohne typisierte Eltern. Bei nicht typisierten Eltern l¨ asst sich manchmal die Transmission rekonstruieren. Wir nehmen als Beispiel an, dass bei einem Trio der Genotyp des Vaters fehlt, die Mutter heterozygot M1 M2 ist und das erkrankte Kind den Genotyp agt. Dann hat die Mutter das Allel M1 vererbt und das Allel M2 nicht. M1 M1 tr¨ are die Transmission durch die Mutter H¨ atte das Kind den Genotyp M1 M2, w¨ nicht klar. Bezieht man die Trios mit einem nicht typisierten Elternteil und einem homozygoten Kind in den TDT ein und die anderen nicht, ohne f¨ ur diese Auswahl zu korrigieren, wird eine Verzerrung erzeugt, die zu Powerverlust oder erh¨ohtem Fehler 1. Art f¨ uhren kann (Curtis und Sham 1995). Zur Analyse einer Stichprobe mit gemischten Kernfamilienstrukturen entwi-

260

5. Assoziationsanalyse

ckelte Knapp (1999) den RC-TDT (Reconstruction-Combined-TransmissionDisequilibrium-Test). Die Familien mit mindestens einem erkrankten Kind werden in die folgenden Typen unterteilt: Typ 1: Beide Eltern sind typisiert, mindestens ein Elternteil ist heterozygot mit dem interessierenden Allel M1 (TDT-Struktur). Typ 2: Entweder eines oder beide Elternteile fehlen, k¨onnen aber rekonstruiert werden (rekonstruierbare Familien). Typ 3: Eines oder beide Elternteile sind nicht genotypisiert und k¨onnen nicht rekonstruiert werden, es gibt aber mindestens ein gesundes und ein erkranktes Kind mit verschiedenen Genotypen (S-TDT-Struktur). Typ 4: Alle anderen Familien. Familientyp 4 kann nicht ausgewertet werden und damit auch nicht zur Teststatistik beitragen. Er muss weggelassen werden. Die jeweiligen Teil-Teststatistiken f¨ ur die Familientypen 1-3 m¨ ussen f¨ ur die Auswahlverzerrung (s. auch Abschnitt 3.3) korrigiert werden, da jeweils nur eine definierte Auswahl und keine repr¨ asentative Stichprobe aus der Bev¨olkerung f¨ ur diesen Typ rekrutiert und ausgewertet wurde. Knapp (1999) betrachtet die Anzahl Ti der M1 Allele unter den erkrankten Kindern und bestimmt die bedingte Verteilung der Teststatistik unter Ber¨ ucksichtigung des Familientyps. Der Test lautet: RC-TDT =

 (Ti − E(Ti |Fi ))  , var(Ti |Fi ) i

wobei u ¨ ber alle Familien i summiert wird und Fi den Auswahltyp in jeder Familie bezeichnet. Der RC-TDT ist ein g¨ ultiger Test auf Kopplung und nutzt die Stichproben-Information umfassend. Untersucht man einen Marker mit mehr als zwei Allelen, ist h¨aufig unklar, welches Markerallel mit dem disponierenden Allel assoziiert sein k¨onnte. Eine M¨ oglichkeit besteht darin, jedes Markerallel einzeln auf Assoziation mit der Krankheit zu testen und das Mehrfachtesten zu ber¨ ucksichtigen. Eine bestehende Assoziation kann allerdings dadurch verdeckt werden, dass ein anderes Allel in der gleichen Richtung assoziiert ist, z.B. sind in kaukasischen Populationen die Antigene DR3 und DR4 beide stark mit insulinabh¨angigem Diabetes Mellitus (IDDM, OMIM 222100) assoziiert (Svejgaars et al. 1980). Daher wurden Erweiterungen des TDT auf multiallelische Marker entwickelt (z.B. Bickeb¨ oller und Clerget-Darpoux 1995). Es existieren auch verschiedene Vorschl¨ age, um quantitative Merkmale in Tri¨ ostudien zu analysieren. Eine Ubersicht geben Kistner und Weinberg (2004). Allison (1997) schlug Verfahren vor, bei denen untersucht wird, ob die Verteilung des Merkmals sich bei den Kindern, die ein bestimmtes Allel geerbt

5.3

Familienbasierte Assoziationsstudien

261

haben, von den anderen unterscheidet. Unter der Nomalverteilungsannahme kann ein t-Test angewandt werden. Hier wird das Merkmal in Abh¨angigkeit vom Genotyp der Kinder betrachtet. Umgekehrt kann im logistischen Modell der Genotyp X beim Kind als Zufallsgr¨ oße in Abh¨angigkeit des beobachteten Ph¨ anotyps Y und der elterlichen Genotypen P und M betrachtet werden, P(X|M,P,Y), und ein Test auf Kopplung und Assoziation konstruiert werden (QPL, quantitative polynomious logistic model, Kistner und Weinberg 2004). Es wurde gezeigt, dass der QPL-Test robust gegen¨ uber Populationsstratifikation ist, keine Normalverteilungsannahme n¨ otig hat und mehr Power aufweist als andere Methoden, wenn das disponierende Allel dominant oder rezessiv wirkt. 5.3.2 Die Fall-Pseudokontroll-Regressionsanalyse

Die H¨ aufigkeiten eines biallelischen Markers in Trios lassen sich auch als Genotyph¨ aufigkeiten wie in Tabelle 5.9 darstellen. Die Genotypen der F¨alle k¨ onnen beobachtet werden (entsprechend dem ,,weißen Genotyp“ in Abb. 5.6), w¨ ahrend die Kontrollgenotypen aus den jeweils nicht an den Fall vererbten Allelen konstruiert sind (entsprechend dem ,,schwarzen Genotyp“ in Abb. 5.6). Eine solche Kontrolle wird auch als Pseudokontrolle bezeichnet. Wenn zum Beispiel das erkrankte Kind in der Familie in Abb. 5.6 den Genoagt und die Eltern M1 M1 und M1 M2 tragen, so hat die Pseudotyp M1 M2 tr¨ kontrolle aus den nicht u ¨ bertragenen Allelen den Genotyp M1 M1 . Tabelle 5.9. Genotyph¨ aufigkeiten eines biallelischen Markers bei n Fall-Eltern-Trios.

M1 M1

M1 M2

M2 M2

Summe

F¨ alle

b10

b11

b12

n

Pseudokontrollen

b20

b21

b22

n

Den Test, bei dem die Genotyph¨ aufigkeiten in Tabelle 5.9 mittels Chiquadrattest als unverbundene Stichproben verglichen werden, nennt man HRR-Test (Falk und Rubinstein 1987). Die χ2 -Verteilung ist unter der Nullhypothese (Gl. 5.2) nicht die passende Verteilung. Eine passende Auswertung der Genotyph¨ aufigkeiten, die auch robust gegen Populationsstratifikation ist, ist die Analyse als individuell gematchte Fall-Kontroll-Studie mit bedingter logistischer Regression, die wir jetzt erl¨ autern. Angenommen, die Daten von i=1,. . . , n Trios wurden erhoben, Y1 bezeichnet den Ph¨ anotyp der F¨ alle, und Y0 ist der Ph¨anotyp der Pseudokontrollen, ur den i-ten Fall und die i-te Xi1 und Xi0 sind Kodierungen des Genotyps f¨ Pseudokontrolle. F¨ ur die nachfolgende Formel verzichten wir auf die Durch-

262

5. Assoziationsanalyse

nummerierung der Trios und nehmen als Beispiel ein dominantes Modell, das ur F¨ alle j=1 und Kontrollen j=0, wenn ein oder zwei dispoheißt Xj =1, f¨ nierende Alle des biallelischen Markers vorliegen. Andere M¨oglichkeiten der Kodierung des Genotyps sind in Abschnitt 5.2.1 erl¨autert. Das logistische Modell f¨ ur die Erkrankungswahrscheinlichkeit lautet dann f¨ ur die F¨alle: P (Y1 = 1|X1 ) =

exp(a + bX1 ) 1 + exp(a + bX1 )

(s. Abschnitt 1.4.4), und damit gilt P (Y1 = 0|X1 ) = 1 −

1 exp(a + bX1 ) = . 1 + exp(a + bX1 ) 1 + exp(a + bX1 )

F¨ ur die Pseudokontrollen k¨ onnen die entsprechenden Wahrscheinlichkeiten aufgestellt werden. Zur Sch¨ atzung der Maximum-Likelihood-Parameter des logistischen Modells wird nun die bedingte Likelihood der Daten berechnet und anschließend maximiert. Diese ist das Produkt der folgenden bedingten Wahrscheinlichkeiten f¨ ur jedes Fall-Pseudokontroll-Paar Y1 , Y0 : P (Y1 = 1|Y0 = 0, X1 , X0 ) =

P (Y1 = 1|X1 )P (Y0 = 0|X0 ) P (Y1 = 1|X1 )P (Y0 = 0|X0 ) + P (Y1 = 0|X1 )P (Y0 = 1|X0 )

=

=

exp(a+bX1 ) 1+exp(a+bX1 )



exp(a+bX1 ) 1+exp(a+bX1 ) 1 1+exp(a+bX0 )





1 1+exp(a+bX0 )



+

1 exp(a+bX1 )

 

exp(a+bX0 ) 1+exp(a+bX0 )



exp(bX1 ) . exp(bX1 ) + exp(bX0 )

Dieser Regressionsansatz erlaubt die Ber¨ ucksichtigung mehrerer Allele am untersuchten Genlocus oder mehrerer Loci oder Haplotypen, die Behandlung fehlender Werte sowie die Analyse von Kernfamilien mit mehreren Kindern. Ein Vorteil der bedingten logistischen Regression besteht darin, dass die Daten aus Kernfamilien in ¨ ahnlicher Weise wie populationsbasierte FallKontroll-Daten betrachtet werden k¨ onnen. Es gibt Vorschl¨age, anstatt einer Pseudokontrolle mehrere zu verwenden. Ist zum Beispiel in einem Trio die Mutter M1 M2 , der Vater M3 M4 und das Kind M1 M3 , dann bildet man alle m¨ oglichen Genotypen, die ein Kind von den Eltern erben k¨onnte, aber nicht geerbt hat, und verwendet diese als Pseudokontrollen. Hier sind dies M1 M4 , ¨ M2 M3 und M2 M4 (f¨ ur eine Ubersicht siehe Cordell et al. 2004). Es ist unge-

5.3

Familienbasierte Assoziationsstudien

263

kl¨ art, ob die Verwendung einer oder dreier Pseudokontrollen besser geeignet ist. 5.3.3 Die FBAT-Methode

Die FBAT (Family-Based-Association-Test)-Methode wurde als eine Verallgemeinerung des TDT f¨ ur Kernfamilien mit erkrankten und gesunden Geschwistern, Mehrgenerationenfamilien sowie quantitative und qualitative Ph¨ anotypen so konstruiert, dass die Robustheit gegen¨ uber Populationsstratifikation erhalten blieb (Laird und Lange 2006). Man berechnet die Kovarianz der genetischen Information und der Ph¨anotypen bei den Kindern und summiert sie zu U auf. Die FBAT-Statistik ist definiert als U2 . F BAT = V ar(U ) Wie beim TDT werden die Genotypen der Kinder als Zufallsvariable betrachtet und auf die elterlichen Genotypen sowie die beobachteten Ph¨anotypen der Kinder bedingt. Der FBAT wird f¨ ur große Stichproben durch eine Chiquadratverteilung mit einem Freiheitsgrad approximiert. Wenn mehr als ein Kind in den Familien vorkommt, h¨angt die Varianz von U von der Nullhypothese ab. U ist definiert durch  Tij (Xij − E(Xij |Si )). U= ij

Summiert wird u ¨ ber alle Familien i und alle Kinder j. Tij = Yij − µ ist der durch einen Parameter µ normierte Ph¨anotyp Yij . Die Normierung legt man in Abh¨ angigkeit vom Ph¨anotyp und der Struktur der untersuchten Familien fest. Zum Beispiel ist µ f¨ ur quantitative Ph¨anotypen der Stichprobenmittelwert und bei der Untersuchung von Trios ist µ null. Xij bezeichnet den kodierten Genotyp und erlaubt die Betrachtung eines dominanten oder rezessiven Modells, eines kodominanten Modells, multiallelischer Marker, mehrerer Gene oder Haplotypen. Si bezeichnet eine Statistik, mit der die Markergenotypen der Gr¨ under (bei Kernfamilien der Eltern) zusammengefasst werden. Sie wird hier nicht n¨ aher beschrieben. Man erkennt jedoch den bedingten Erwartungswert bei gegebenen elterlichen Genotypen, der die Robustheit der Statistik gegen¨ uber Populationsstratifikation sichert. Der Erwartungswert von U, bedingt auf die elterlichen Genotypen, ist durch die Normierung auf den bedingten Erwartungswert null. F¨ ur den dichotomen Ph¨ anotyp krank/gesund stimmt der FBAT f¨ ur Trios mit dem TDT u ¨ berein.

264

5. Assoziationsanalyse

F¨ ur komplexere Ph¨ anotypen wurden passende Kodierungen T entwickelt, ¨ Literaturhinweise dazu und zu der Varianz von U werden in dem Ubersichtsartikel von Laird und Lange (2006) gegeben. 5.3.4 Power

Die statistische Power h¨ angt bei familienbasierten Assoziationsstudien von denselben Parametern ab wie die Power der populationsbasierten FallKontroll-Studien (s. Abschnitt 5.2.5), und es gelten qualitativ dieselben Aussagen. Wie Tabelle 5.10 zeigt, sind bei kleinen relativen Risiken RR und seltenen disponierenden Allelen sehr große Anzahlen von Trios erforderlich. Beim Vergleich mit Tabelle 5.5 muss ber¨ ucksichtigt werden, dass pro Trio drei Personen genotypisiert werden m¨ ussen und dass Quanto bei populationsbasierten Fall-Kontroll-Studien mit vorgegebenem Odds Ratio und hier mit dem relativen Risiko arbeitet, wobei der Effekt des Letzteren bei seltenen Erkrankungen nicht sehr groß ist. F¨ ur h¨aufige Krankheiten ben¨otigt man in der Regel mehr Trios als Fall-Kontroll-Paare, um dieselbe Power zu erreichen, und eine noch h¨ ohere Anzahl diskordanter Geschwisterpaare ohne Eltern. F¨ ur sehr seltene Krankheiten hat das Triodesign mehr Power. Tabelle 5.10. Anzahl der Trios, dominantes Modell, Krankheitspr¨ avalenz P(K)=0,1;

α=0,05 im TDT-Test; Power = 0,8, direkte Assoziationsstudie; berechnet mit Quanto Version 1.1 (Gauderman et al. 2002). H¨ aufigkeit des disponierenden Allels RR

0,05

0,1

0,2

0,3

0,4

1,2

4934

2836

1905

1753

1885

1,4

1368

800

554

522

573

1,6

668

397

283

272

304

1,8

410

248

181

177

201

2,0

285

175

130

130

149

2,5

152

97

76

78

91

3,0

101

66

54

57

68

3,5

75

50

42

46

55

4,0

59

41

35

39

47

5.3.5 Die MASC-Methode

Die MASC- (Marker-Association-Segregation-Chisquare-, Clerget-Darpoux et al. 1988) Methode erlaubt die flexible Modellierung des Einflusses eines Kandidatengens bei einer komplexen Krankheit. Ziel ist es zu pr¨ ufen, ob das jeweilige Gen an der Entstehung der Krankheit beteiligt ist, und gegebenenfalls den Erbgang aufzukl¨ aren und die genetischen Parameter zu sch¨atzen.

5.3

Familienbasierte Assoziationsstudien

265

F¨ ur MASC werden Kernfamilien u ¨ ber ein erkranktes Kind, den Index-Patienten (IP), rekrutiert. Die Familien werden dann in zwei Schritten hierarchisch klassifiziert (s. Abb. 5.7). Schritt 1: Genotyp

Schritt 2: IBD Abbildung 5.7. Hierarchische Klassifizierung des Index-Patienten mit seiner Familie in

MASC.

Im ersten Schritt erfolgt die Stratifizierung der Familien gem¨aß dem Markergenotypen des IP. Hierbei wird die Information u ¨ ber das LD verwendet (Generalisierung der AGFAP- (Antigen-Genotype-Frequencies-Among-PatientsMethode, Thomson 1983). Im zweiten Schritt erfolgt die Unterklassifikation gem¨ aß dem IBD-Status zwischen dem IP und einem der Geschwister (ASP-Methode, s. Abschnitt 4.3.3). In allen Unterklassen wird die erwartete Anzahl von IPs gem¨ aß einem vorgegebenen genetischen Modell berechnet und mit den beobachteten Anzahlen verglichen. Die Parameter des genetischen Modells k¨onnen durch die Minimierung einer Summe unabh¨angiger Chiquadrat-Statistiken gesch¨ atzt werden, und anschließend k¨onnen Signifikanztests durchgef¨ uhrt werden. Bestimmte genetische Modelle werden mit Hilfe eines Chiquadrat-Anpassungstests getestet. Die Bestimmung der Freiheitsgrade erfolgt aufgrund bekannter Regeln f¨ ur Chiquadrattests in Kontingenztafeln. Alternativ k¨ onnen auch Likelihoods berechnet werden. MASC ist robust gegen¨ uber dem Stichprobenerhebungsverfahren, da man auf den Krankheitsstatus der Familienmitglieder bedingen kann. Tabelle 4.5 zeigt den IBD-Status am Locus DR von 185 Familien mit Geschwisterpaaren, die an IDDM erkrankt sind. Die IBD-Verteilung wird durch ein rezessives Modell gut erkl¨ art, die Genotypverteilung (AGFAP) wird durch ein dominantes Modell gut erkl¨ art. Erst die simultane Nutzung der Kopplungsund Assoziationsinformationen in MASC erlaubt es, zwei eng gekoppelte Gene in der HLA Region zu postulieren (Clerget-Darpoux et al. 1991).

266

5. Assoziationsanalyse

Blick in die Geschichte 5: Fran¸ coise Clerget-Darpoux (1946 - ) Fran¸coise Clerget-Darpoux forscht seit mehr als 20 Jahren u ¨ ber Kopplung und Assoziation an vorderster Front. Eine sehr h¨aufig zitierte Publikation behandelt die Fehlspezifizierung genetischer Parameter in der LODScore-Analyse (Clerget-Darpoux et al. 1986). So ist eines ihrer Hauptforschungsthemen die Untersuchung von Methoden unter verschiedenen Populationsbedingungen und genetischen Modellen, um Defizite bestehender Methoden aufzudecken und anschließend neue, bessere Methoden zu entwickeln. Sie ist eine fr¨ uhe Verfechterin der Entwicklung und Anwendung von Strategien f¨ ur Kandidatengene und Kandidatengen-Pathways zur Aufschl¨ usselung multifaktorieller Krankheiten (Clerget-Darpoux und Bona¨ıti-Pelli´e 1992). Im Folgenden geben wir einige Beispiele ihrer methodischen Entwicklungen. Sie entwarf den MOD-Score, ein parametrischer LOD-Score um ein Kandidatengen mit festgesetzter Rekombinationsrate null (vollst¨andige Kopplung) zu untersuchen. Das Ziel ist es, die Rolle des betrachteten Kandidatengens bei einer komplexen Krankheit zu erhellen, indem u ¨ber alle Parameter des (generellen) genetischen Modells maximiert wird. Clerget-Darpoux leistete Pionierarbeit f¨ ur die simultane Verwendung von Kopplung und Assoziation. Sie demonstrierte durch die Entwicklung der MASC-Methode, was f¨ ur ein großer Vorteil damit erreichbar ist (ClergetDarpoux et al. 1988). MASC integriert den IBD-Status mit der Assoziation, um den Einfluss eines Kandidatengens zu identifizieren und das zugrunde liegende genetische Modell zu sch¨ atzen. Die gleiche Idee der Verbindung von Kopplung und Assoziation motivierte sie, einige TDT-Erweiterungen zu entwickeln. In neuerer Zeit konzentriert sich ihre Arbeit auf Populationsstrukturen wie Blutsverwandtschaften und Gr¨ underpopulationen. Ihr Hauptziel ist die genetische Aufschl¨ usselung komplexer Krankheiten, besonders von Autoimmun- und neurologischen Erkrankungen. Hierf¨ ur entwickelt sie mit großer Ausdauer und Hartn¨ ackigkeit neue statistische Methoden. Sie f¨ ordert die Genetische Epidemiologie durch die Bildung von Forschungsnetzwerken, Workshops und Ausbildungsprogrammen, in denen sie einen sehr aktiven Part spielt. Ihre eigene Ausbildung in Mathematik und Humangenetik ist eine ideale Voraussetzung f¨ ur die effektive Integration dieser beiden Gebiete. W¨ ahrend ihrer gesamten wissenschaftlichen Laufbahn hatte sie eine herausragende F¨ uhrungsrolle in den franz¨ osischen, europ¨aischen und internationalen Fachgesellschaften, wof¨ ur sie 1999 den ”leadership award” der Internationalen Genetisch Epidemiologischen Gesellschaft erhielt.

5.4

Genomweite Assoziationsstudien

267

5.4 Genomweite Assoziationsstudien Bei genetischen Assoziationsstudien im erweiterten Kandidatenansatz typisiert man in und um die Gene in den interessierenden Regionen typischerweise wenige bis maximal einige hundert Marker. Durch die Entwicklung der SNPChip Hochdurchsatztechnologie k¨ onnen heute extrem viele (105 – 106 ) u ¨ber das gesamte Genom verteilte SNPs effizient bestimmt werden. Dies macht die Analyse genetisch komplexer Krankheiten genomweit mit SNP-Chips in Assoziationsstudien m¨ oglich. Man spricht von genomweiten Assoziationsstudien (GWAS). Sie werden z.B. durchgef¨ uhrt, wenn es keine Kandidatenregionen gibt oder wenn viele Kandidaten m¨ oglicherweise mit widerspr¨ uchlichen Ergebnissen vorliegen. Wenige genomweite Assoziationsstudien wurden bisher ver¨ offentlicht (Klein et al. 2005; Herbert et al. 2006; Smyth et al. 2006), und viele werden gerade durchgef¨ uhrt (Thomas et al. 2005). Der Erfolg einer GWAS h¨ angt davon ab, wie gut der verwendete Markersatz die Variation im Genom erfasst, genauer, wie groß das Linkage Disequilibrium zwischen den disponierenden Varianten und den typisierten SNPs oder daraus gebildeten SNP-Haplotypen ist (s. Abschnitte 2.3.1, 5.2.5 sowie Tabelle 5.3). 5.4.1 Die Erfassung der genetischen Variation durch SNP-Chips

Mehr als vier Millionen validierte SNPs sind inzwischen f¨ ur das menschliche Genom verf¨ ugbar, trotzdem ist es aufgrund von experimentellen und ¨okonomischen Restriktionen zurzeit noch n¨ otig, sie auf eine m¨oglichst informative und trotzdem noch praktikable Untermenge zu reduzieren. Daher wurden sogenannte SNP-Chips entwickelt. Sie bestehen aus winzigen Mengen allelspezifischer Sonden, die zum Beispiel auf einer kleinen Quarzfl¨ache aufgebracht werden. F¨ ur Hunderttausende ben¨ otigt man Tr¨ager von weniger als 2 cm2 Gr¨ oße, um die Sonden r¨ aumlich sicher voneinander unterscheidbar unterzubringen. Das Detektionsprinzip basiert auf einer allelselektiven Hybridisierung. Dazu werden alle Genabschnitte der zu untersuchenden DNA-Probe, die einen SNP enthalten, zun¨ achst mithilfe der Polymerasekettenreaktion (s. Exkurs 1) amplifiziert. Anschließend werden die PCR-Produkte an die Oberfl¨ache eines SNP-Chips hybridisiert. F¨ ur jeden SNP sind zur Identifikation der beiden Allele zwei entsprechende Sonden vorhanden. Bindet das PCRProdukt nur an eine der beiden DNA-Sonden, so liegt der entsprechende Genotyp in homozygoter Form vor. Sind dagegen Bindungen an beide Sonden zu beobachten, liegt der untersuchte Polymorphismus heterozygot vor. Die in der Hybridisierungsreaktion eingesetzten Fragmente werden mit Fluoreszenzmarkierungen versehen, so dass die Signale mit Hochleistungsscannern automatisch ausgelesen werden k¨ onnen.

5.4

268

5. Assoziationsanalyse

Einige bekannte SNP-Chips f¨ ur GWAS sind in Tabelle 5.11 aufgef¨ uhrt. Bei diesen Chips wurden die SNPs entweder zuf¨allig, physikalisch gleichm¨aßig u ahlt, ohne die existierenden LD-Strukturen zu ¨ ber das Genom verteilt ausgew¨ ber¨ ucksichtigen, oder sie basieren auf den beobachteten LD-Strukturen und wurden mit Hilfe einer Selektionsmethode f¨ ur tagSNPs ausgew¨ahlt (s. Abschnitt 2.3.2.3). Ein weiterer SNP-Chip, der nach funktionellen Aspekten konstruiert wurde, ist der Illumina Human-1 Beadchip mit 6000 SNPs, der in Kopplungsstudien verwendet wird. Im Rahmen des HapMap Projekts entstand eine Datenbank mit mehr als 106 SNPs, die in vier Populationen mit insgesamt 269 Individuen typisiert wurden. Zus¨ atzlich wurden bei 48 Personen 10 Regionen der Gr¨oße 500 kb (die ENCODE Regionen, International HapMap Consortium 2005) vollst¨andig sequenziert. Die vollst¨ andig sequenzierten Regionen erlauben die Beurteilung der Variation und des Anteils der SNPs, der hier durch die SNP-Chips erfasst werden kann (Abdeckung der Variation, coverage). F¨ ur jeden dort gefundenen SNP wurde bestimmt, wie groß das LD zu einem SNP in einem der verf¨ ugbaren SNP-Chips ist. Das verwendete LD-Maß ist der Korrelationskoeffizient r2 (s. Abschnitt 2.3.1.3). Wie gut die SNP-Chips die gesamte Variation im Genom erfassen, wird in Tabelle 5.11 durch den Prozentsatz der durch Sequenzierung gefundenen SNPs dargestellt, die ein LD von z.B. r2 ≥ 0,8 mit einem typisierten SNP aufweisen. Diese werden auch als 80%-Proxies bezeichnet. Tabelle 5.11. Erfassung des Anteils (%) der Varianten (H¨ aufigkeit des selteneren Allels

HsA>5%) aus den ENCODE Regionen, die ein r2 ≥ 0,8 mit einem SNP aus dem entsprechenden SNP-Chip aufweisen, CEU: europ¨ aische Herkunft, JPT+CHB: Japaner aus Tokyo und Han Chinesen aus Peking, YRI: Yoruba aus Nigeria (Barrett und Cardon 2006). SNP-Typen

CEU

JPT+CHB

YRI

Illumina HumanHap300

tagSNPs

75

63

28

Affymetrix 500K

zuf¨ allig

65

66

41

Affymetrix 111K

zuf¨ allig

31

31

15

Affymetrix 500K + 175K tag

Kombination

86

79

49

In der europ¨ aischen Stichprobe werden demnach mit den ersten beiden Chips 75% bzw. 65% aller h¨ aufigen Varianten erreicht (bei einem r2 von mind. 0,8). Es wird deutlich, dass bei der zuf¨ alligen Auswahl der SNPs die Erfassung der Varianten schlechter ist als bei gezielt ausgew¨ahlten tagSNPs. F¨ ur alle hier genannten Chips in allen Stichproben ist das mittlere r2 gr¨oßer als 0,95. Die Erfassung der Variation in YRI ist wegen des geringeren LDs in dieser Population viel niedriger, und es wird deutlich, dass die tagSNP Selek-

5.4

Genomweite Assoziationsstudien

269

tion auf die CEU Stichprobe am besten angepasst ist. Die Zusammenfassung von zwei oder drei SNPs zu Haplotypen kann den Erfassungsanteil um 9%25% steigern (Pe’er et al. 2006). Es ist anzumerken, dass zwar die Mehrheit der h¨ aufigen Varianten mit den SNP-Chips entdeckt werden kann, dass aber trotzdem z.B. mit dem Affymetrix 500K Chip 20% der h¨aufigen SNPs nur ein r2 von weniger als 0,5 aufweisen. Seltene Varianten im Genom sind sehr viel schlechter erfasst, da f¨ ur SNP-Chips h¨ aufige Varianten ausgew¨ahlt wurden. Auch in den sequenzierten Regionen k¨ onnen seltene Varianten bei der kleinen Anzahl von 48 Personen insgesamt nicht sicher entdeckt werden. 5.4.2 Statistische Auswertung und das Multiplizit¨ atsproblem

Zur Auswertung genomweiter Assoziationsstudien werden die in den vorangegangenen Abschnitten besprochenen punktweisen Assoziationstests f¨ ur alle Marker einzeln eingesetzt. Zus¨ atzlich benutzt man Methoden, die auf lokalen Haplotypen basieren, um den Informationsgehalt zu steigern. Bei der F¨ ulle der Tests steht das Problem des multiplen Testens im Vordergrund. Angenommen, der genomweite Fehler 1. Art αg =0,05 soll eingehalten werden, dann ergibt die Verwendung des 500K SNP-Chips und einer einfachen Bonferroni Korrektur (s. Abschnitt 1.4.3), dass f¨ ur jeden einzelnen SNP zum punktweisen Niveau von αp =10−7 getestet werden muss. Bei einem relativen Risiko von 2 und weniger, das wir f¨ ur kausale Varianten komplexer Erkrankungen erwarten, bedeutet dies sehr große erforderliche Stichproben. Zum Beispiel sind im dominanten Modell mit einem relativen Risiko von 2, einer Krankheitspr¨ avalenz von 0,1, einer H¨ aufigkeit des disponierenden Allels von 0,1 und einer gew¨ unschten Power von 80% knapp 900 F¨alle und 900 Kontrollen erforderlich, bei einem relativen Risiko von 1,2 und ansonsten gleichen Bedingungen jeweils u alle und 14000 Kontrollen. Bei diesen Berechnungen ¨ ber 14000 F¨ wurde davon ausgegangen, dass es sich um eine direkte Assoziationsstudie handelt. Ist dies nicht der Fall und kann man jede h¨aufige Variante als 80% Proxy erreichen, ben¨ otigt man etwa doppelt so viele Personen wie bei einer direkten Assoziationsstudie (Thomas et al. 2005). Die meisten Studien werden im Mehrstufendesign durchgef¨ uhrt, weil dieses Design bei fast gleichgroßer Power wie im einstufigen Design zu einer deutlichen Reduktion der Genotypisierungskosten f¨ uhrt. Eine zweistufige Studie zur Untersuchung disponierender Varianten f¨ ur Brustkrebs wird z.B. in Großbritannien durchgef¨ uhrt (Thomas et al. 2005 Appendix). Die erste Stufe besteht aus 400 F¨allen und 400 Kontrollen, typisiert mit 200.000 SNPs. Alle Marker, die einen p-Wert ≤ 0,05 aufweisen, werden im zweiten Schritt an zus¨ atzlichen 4600 F¨ allen und 4000 Kontrollen typisiert. W¨ahlt man in einem Zweischrittverfahren die Stichproben gleich groß, ist der Genotypisierungsaufwand f¨ ur Schritt 1 am gr¨ oßten, Schritt 2 erfordert zwar sehr viel weni-

270

5. Assoziationsanalyse

ger Genotypisierungen, daf¨ ur aber maßgeschneiderte Chips. In der aktuellen Forschung werden zahlreiche Stufendesigns entwickelt und deren statistische Eigenschaften untersucht (Lin 2006; Skol et al. 2006; Wang et al. 2006). Bei familienbasierten Assoziationsstudien f¨ ur quantitative Merkmale gibt es die M¨ oglichkeit, zwei Stufen anhand einer Zufallsstichprobe aus der Population durchzuf¨ uhren. Im ersten Schritt werden die Ph¨anotypen und Genotypen der Kinder noch nicht betrachtet, sondern eine lineare Regression der elterlichen Genotypen auf die erwarteten Genotypen der Kinder durchgef¨ uhrt. Die Power f¨ ur die nachfolgende Assoziationsanalyse h¨angt f¨ ur jeden Marker von den beobachteten elterlichen Genotypen und der gesch¨atzten Effektst¨arke ab. Die k SNPs mit der h¨ ochsten Power (k-Rang-Verfahren) werden ausgew¨ahlt und dann im zweiten Schritt auf Assoziation getestet (Laird und Lange 2006). Diese Methode wurde z.B. von Herbert et al. (2006) verwendet.

5.5

5.5 Ausblick H¨ aufigkeiten disponierender Allele f¨ ur komplexe Krankheiten: Zwei Hypothesen werden hierzu diskutiert: Die ”common-disease-common-variant”(CDCV) - Hypothese besagt, dass mehrere h¨aufige Allele an der Krankheitsentstehung beteiligt sind und dass unverwandte F¨alle zu einem relativ hohen Anteil dieselben Allele tragen. Die ”multiple - rare - variant” - Hypothese besagt, dass komplexe Krankheiten durch sehr viele verschiedene Varianten mit niedrigen Allelh¨ aufigkeiten beeinflusst werden. F¨ ur viele komplexe Krankheiten gibt es vermutlich sowohl einige h¨aufige als auch mehrere seltene disponierende Varianten. Dies wird auch als Heterogenit¨atsmodell bezeichnet. Wenn disponierende Allele f¨ ur komplexe Krankheiten ein vergleichbares Spektrum der Allelh¨ aufigkeiten aufweisen wie alle anderen Varianten im Genom, haben zwar die meisten eine H¨ aufigkeit von weniger als 0,01, die u ¨ brigen sind jedoch f¨ ur mehr als 90% der genetischen Unterschiede zwischen den Individuen verantwortlich und sollten daher auch einen großen Beitrag zur Entstehung komplexer Krankheiten liefern (Wang et al. 2005). Disponierende Allele f¨ ur einige Krankheiten wie zum Beispiel Diabetes waren vermutlich positiver Selektion ausgesetzt, weil sie in den Zeiten reduzierter Energieaufnahme einen selektiven Vorteil bedeuteten. Dies macht die h¨ohere H¨aufigkeit mancher disponierender Allele plausibel. Umgekehrt k¨onnte eine Verringerung der H¨ aufigkeit anderer disponierender Varianten in kodierenden Bereichen vorliegen. Vermutlich gibt es mehrere h¨ aufige und viele seltene Varianten, die zur famili¨ aren H¨ aufung komplexer Krankheiten beitragen, wobei die meisten nur einen sehr kleinen Effekt haben und nur wenige ein gr¨oßeres relatives Risiko aufweisen (s. Abschnitt 1.3.4 zur Klassifikation der Gene in Hauptgene,

5.5

Ausblick

271

Oligogene und Polygene), eine ausf¨ uhrlichere Diskussion findet man in Wang et al. 2005. Fehlende Werte und Genotypisierungsfehler: Wenn man annimmt, dass fehlende Werte und Genotypisierungsfehler zuf¨allig und unabh¨angig vom Fall-Kontroll-Status auftreten, so ist in Fall-Kontroll-Studien zwar reduzierte Power, aber keine Erh¨ ohung der falsch positiven Assoziationen zu erwarten. Sollten F¨ alle und Kontrollen nicht in derselben Art genotypisiert werden oder sich die DNA in unterschiedlichem Zustand befinden, so dass etwa bei den F¨ allen mehr fehlende Werte vorkommen, so k¨onnen auch falsch positive Ergebnisse auftreten. So zeigten zum Beispiel (Klein et al. 2005) in einer Fall-Kontroll-Studie zur Untersuchung der altersabh¨angigen Makulardegeneration mit 96 F¨ allen und 50 Kontrollen, typisiert mit mehr als 100.000 SNPs, dass von den zwei genomweit signifikant assoziierten SNPs einer auf fehlende Werte zur¨ uckzuf¨ uhren war. In familienbasierten Assoziationsstudien wird ein Teil der Genotypisierungsfehler entdeckt, weil sie eine offensichtliche Verletzung der Vererbungsregeln erzeugen, andere hingegen nicht. Diese Verzerrung kann zur Erh¨ ohung des Fehlers 1. Art f¨ uhren, insbesondere wenn die punktweisen Signifikanzgrenzen sehr klein und die Allelh¨aufigkeiten der Marker gering sind. Gen-Gen- und Gen-Umwelt-Wechselwirkungen: Bei genetisch komplexen Krankheiten ist zu erwarten, dass die Wahrscheinlichkeit f¨ ur das Entstehen der Krankheit oder ihre Auspr¨ agung von vielen Gen-Gen- und GenUmwelt-Wechselwirkungen beeinflusst wird. Einfache Beispiele f¨ ur Wechselwirkungen gibt es auch bei monogenen Krankheiten. Betrachten wir die Stoffwechselkrankheit Phenylketonurie: Homozygote Anlagetr¨ager zeigen bei der Geburt keine Symptome. Wird die Krankheit di¨atisch behandelt, entwickeln sich die Kinder normal, andernfalls kommt es zu schweren geistigen Entwicklungsst¨ orungen und verschiedenen anderen Symptomen. Im statistischen Sinn sind Interaktionen die Nicht-Additivit¨ at von Effekten auf einer definierten Skala. Zum Beispiel f¨ ur einen dichotomen Ph¨ anotyp K/K, die Genotypen G eines disponierenden Gens sowie einen Umweltfaktor E lautet ein logistisches Modell mit Wechselwirkungsterm P (K|G, E) =

exp(a + b1 G + b2 E + b3 GE) . 1 + exp(a + b1 G + b2 E + b3 GE)

Die Parameter a, b1 und b2 sind die der sogenannten Haupteffekte, b3 ist der Parameter f¨ ur den Gen-Umwelt-Wechselwirkungseffekt. Der Test auf Interaktion pr¨ uft, ob das Modell mit dem Wechselwirkungsterm besser passt als ohne. Statistisch signifikante Wechselwirkungsterme in einem Regressionsmodell erlauben keinen R¨ uckschluss auf die Existenz biologischer Wechselwirkungen, ihre Ber¨ ucksichtigung kann jedoch die statistische Power zur

272

5. Assoziationsanalyse

Entdeckung disponierender Varianten vergr¨ oßern, die nur in Untergruppen relevant sind. Man kann auch einen genetischen Globaltest durchf¨ uhren, der das Modell mit b1 oder b3 = 0 gegen das Modell mit b1 = b3 = 0 testet. Dieser kann gegen¨ uber einem reinen Haupteffektmodell manchmal eine h¨ohere Power aufweisen, falls statistische Interaktionen von Bedeutung sind. Sollen viele Gene und Umweltfaktoren auf Interaktion untereinander gepr¨ uft werden, entsteht sofort ein gravierendes Multiplizit¨atsproblem. Da das Signifikanzniveau f¨ ur das multiple Testen korrigiert werden muss, sind zur Entdeckung von Wechselwirkungen sehr große Stichproben n¨otig. Meist werden daher nur Wechselwirkungen zwischen Faktoren getestet, die aus biologischen Gr¨ unden oder wegen anderen Vorwissens postuliert worden sind. Hier kann es dann auch vorkommen, dass Gene, die allein keinen Hauptgen-Effekt bzw. keinen marginalen Effekt aufweisen, erst durch die Betrachtung der Interaktion als disponierend identifiziert werden k¨ onnen. Ein Verfahren, das speziell f¨ ur diesen Zweck entwickelt wurde, ist der 2-Locus-TDT (Kotti et al. 2007). Replizierbarkeit von Assoziationsergebnissen: Eine gefundene statistische Assoziation ist nur dann glaubhaft, wenn sie von einer oder mehreren unabh¨ angigen Studien best¨ atigt werden kann oder andere Experimente einen kausalen Zusammenhang nachweisen. Viele Assoziationsergebnisse werden jedoch in weiteren Studien nicht best¨ atigt, dabei gibt es auch Situationen, in denen Varianten anderer Gene eine Assoziation aufweisen oder dieselben Varianten eine Assoziation in die andere Richtung zeigen. Die Frage, warum scheinbar widerspr¨ uchliche Resultate existieren k¨onnen, wird in der Literatur ausf¨ uhrlich diskutiert (Botstein und Risch 2003; Hirschhorn und Daly 2005; Palmer und Cardon 2005). Viele der publizierten Assoziationen sind vermutlich zuf¨ allige falsch positive Ergebnisse, denn es werden sehr viele Assoziationsstudien mit zu kleinen Stichproben durchgef¨ uhrt, wobei nur diejenigen mit ,,signifikanten“ Ergebnissen in der Literatur auftauchen (Publikationsbias, publication bias). Andere Gr¨ unde f¨ ur die Nicht-Replizierbarkeit wahrer Assoziationen umfassen die unterschiedliche Definition des Ph¨anotyps, das Vorhandensein allelischer bzw. genetischer Heterogenit¨at, ein anderes Studiendesign oder die Typisierung anderer Markers¨atze. Weitere m¨ogliche Quellen f¨ ur diskrepante Ergebnisse haben wir bereits ausf¨ uhrlicher behandelt: sie k¨ onnen durch unterschiedliche Formen der Populationsstratifikation oder durch kryptische Verwandtschaft verursacht werden; sind die Studien in verschiedenen Populationen durchgef¨ uhrt worden, k¨ onnen andere Allelh¨ aufigkeiten der Marker und der disponierenden Gene sowie unterschiedliche LD-Strukturen zu gr¨oßerer oder kleinerer statistischer Power f¨ uhren; es k¨ onnen unterschiedliche Effektst¨ arken vorliegen und verschiedene Kombinationen disponierender Gene zur Krankheitsentstehung beitragen;

5.6

Programme

273

Nicht-Replizierbarkeit kann durch fehlende Werte oder Genotypisierungsfehler (Fehler der Studie) sowie durch Gen-Gen- und Gen-UmweltWechselwirkungen (Effektmodifikation) bei gleichzeitigem Confounding verursacht werden (s. Abschnitt 1.4.2). Genomweite Assoziationsstudien bieten den großen Vorteil, dass hinreichend viele Marker zur Sch¨ atzung genetischer Substrukturen automatisch zur Verf¨ ugung stehen und dass der Publikationsbias vieler einzelner Kandidatenstudien entf¨ allt.

5.6 Programme Fallzahl- und Powerberechnung Die im Folgenden genannten Fallzahl- und Powerberechnungsprogramme sind sowohl f¨ ur populationsbasierte Fall-Kontroll-Studien als auch f¨ ur einfache familienbasierte Studien, f¨ ur dichotome oder quantitative Merkmale einsetzbar. GPC (Genetic Power Calculator, Purcell et al. 2003) erm¨oglicht die Ber¨ ucksichtigung des LD und berechnet f¨ ur Fall-Kontroll-Studien die erwarteten Genotyph¨ aufigkeiten bei F¨ allen und Kontrollen. Bei QUANTO (Gauderman 2002) sind nur direkte Assoziationsstudien vorgesehen, es k¨onnen GenUmwelt- und Gen-Gen-Wechselwirkungen ber¨ ucksichtigt werden. Mehrere genotypische relative Risiken und mehrere Allelh¨aufigkeiten lassen sich in einem Programmlauf abarbeiten. PAWE (Gordon et al. 2002) gestattet die Untersuchung der Auswirkungen von Genotypisierungsfehlern auf die erforderliche Fallzahl. CaTS (Skol et al. 2006) wurde f¨ ur die Planung zweistufiger genomweiter populationsbasierter Fall-Kontroll-Studien entwickelt. F¨ ur spezielle Familienstrukturen oder Verfahren sind in den Paketen zur Auswertung oft Unterprogramme zur Fallzahl- und Powerberechnung enthalten. Auswertungsprogramme F¨ ur die Auswertung von Assoziationsstudien mit Chiquadrattests oder im Rahmen von Regressionsmodellen sind die klassischen kommerziellen Auswertungsprogamme SAS, R, SPSS, STATA und viele mehr geeignet. Der einfache TDT l¨ asst sich mit vielen verschiedenen Programmen durchf¨ uhren, f¨ ur die Erweiterungen gibt es jeweils Spezialsoftware, die in der Sammlung http://linkage.rockefeller.edu/soft/list.html aufgelistet ist. F¨ ur die in Abschnitt 5.3.3 besprochenen familienbasierten Assoziationsverfahren gibt es das Programmpaket FBAT (Rabinowitz und Laird 2000). F¨ ur die Fall-Pseudokontroll-Regressionsmethoden f¨ ur familienbasierte Assoziationsstudien werden Unterprogramme zur Erzeugung der Fall-Pseudokontroll-Genotypen innerhalb der Software STATA angeboten (Cordell et al.

5.6

274

5. Assoziationsanalyse

2004). Die bei GWAS erzeugten Datenmengen verursachen Zeitprobleme, hier werden aktuell Datenbanken und Auswertungsprogramme entwickelt. Haplotypbasierte Analyseverfahren erfordern die Sch¨atzung der Haplotypverteilung bei F¨ allen und Kontrollen oder als weniger gute, aber gebr¨auchliche Methode, die Sch¨ atzung des am besten passenden Haplotyppaares f¨ ur jede Person in der Studie. Beispielhaft seien die folgenden Programme genannt: PHASE (Stephens et al. 2001) oder Haploview (Barrett et al. 2005) f¨ ur Fall-Kontroll-Studien und Trio-Studien, Chaplin (Epstein und Satten 2003) und HAPLO.STAT (Schaid et al. 2002).

5.7

5.7 Literatur B¨ ucher Fahrmeier L und Hamerle A (1984) Multivariate statistische Verfahren. W de Gruyter: Berlin Kreienbrock L, Schach S (2005) Epidemiologische Methoden. 4. Auflage Spektrum Akademischer Verlag: Heidelberg Manly BFJ (1991) Randomization and Monte Carlo Methods in Biology. Chapman and Hall: London Thomas D (2004) Statistical Methods in Genetic Epidemiology. Oxford University Press: Oxford Weiß C (2005) Basiswissen Medizinische Statistik. 3. Auflage Springer: Berlin Heidelberg New York Artikel Allison DB (1997) Transmission-disequilibrium tests for quantitative traits. American Journal of Human Genetics 60:676-690 Barrett JC, Cardon LR (2006) Evaluating coverage of genome-wide association studies. Nature Genetics 38:659-662 Barrett JC, Fry B, Maller J, Daly MJ (2005) Haploview: analysis and visualization of LD and haplotype maps. Bioinformatics 21:263-265 Beckmann L, Thomas DC, Fischer C, Chang-Claude J (2005) Haplotype sharing analysis using Mantel statistics. Human Heredity 59:67-78 Bickeb¨ oller H, Clerget-Darpoux F (1995) Statistical properties of the allelic and genotypic transmission/disequilibrium test for multiallelic markers. Genetic Epidemiology 12:865-870 Botstein D, Risch N (2003) Discovering genotypes underlying human phenotypes: past successes for mendelian disease, future approaches for complex disease. Nature Genetics 33 Suppl:228-237

5.7

Literatur

275

Clerget-Darpoux F, Babron MC, Deschamps I, Hors J (1991) Complementation and maternal effect in insulin-dependent diabetes. American Journal of Human Genetics 49:42-48 Clerget-Darpoux F, Babron MC, Prum B, Lathrop GM, Deschamps I, Hors J (1988) A new method to test genetic models in HLA associated diseases: the MASC method. Annals of Human Genetics 52:247-258 Clerget-Darpoux F, Bonaiti-Pellie C (1992) Strategies based on marker information for the study of human diseases. Annals of Human Genetics 56:145-153 Clerget-Darpoux F, Bonaiti-Pellie C, Hochez J (1986) Effects of misspecifying genetic parameters in lod score analysis. Biometrics 42:393-399 Cooke GS, Hill AV (2001) Genetics of susceptibility to human infectious disease. Nature Reviews Genetics 2:967-977 Cordell HJ, Barratt BJ, Clayton DG (2004) Case/pseudocontrol analysis in genetic association studies: A unified framework for detection of genotype and haplotype associations, gene-gene and gene-environment interactions, and parent-of-origin effects. Genetic Epidemiology 26:167-185 Curtis D, Sham PC (1995) A note on the application of the transmission disequilibrium test when a parent is missing. American Journal of Human Genetics 56:811-812 Devlin B, Roeder K (1999) Genomic control for association studies. Biometrics 55:997-1004 Epstein MP, Satten GA (2003) Inference on haplotype effects in case-control studies using unphased genotype data. American Journal of Human Genetics 73:1316-1329 Falk CT, Rubinstein P (1987) Haplotype relative risks: an easy reliable way to construct a proper control sample for risk calculations. Annals of Human Genetics 51:227-233 Gauderman WJ (2002) Sample size requirements for association studies of gene-gene interaction. American Journal of Epidemiology 155:478-484 Gordon D, Finch SJ, Nothnagel M, Ott J (2002) Power and sample size calculations for case-control genetic association tests when errors are present: application to single nucleotide polymorphisms. Human Heredity 54:22-33 Herbert A, Gerry NP, McQueen MB, Heid IM, Pfeufer A, Illig T, Wichmann HE, Meitinger T, Hunter D, Hu FB, Colditz G, Hinney A, Hebebrand J, Koberwitz K, Zhu X, Cooper R, Ardlie K, Lyon H, Hirschhorn JN, Laird NM, Lenburg ME, Lange C, Christman MF (2006) A common genetic variant is associated with adult and childhood obesity. Science 312:279-283 Hirschhorn JN, Daly MJ (2005) Genome-wide association studies for common diseases and complex traits. Nature Reviews Genetics 6:95-108

276

5. Assoziationsanalyse

Holgate ST, Yang Y, Haitchi HM, Powell RM, Holloway JW, Yoshisue H, Pang YY, Cakebread J, Davies DE (2006) The genetics of asthma: ADAM33 as an example of a susceptibility gene. Proceedings of the American Thoracic Society 3:440-443 International HapMap Consortium (2005) A haplotype map of the human genome. Nature 437:1299-1320 Kerem B, Rommens JM, Buchanan JA, Markiewicz D, Cox TK, Chakravarti A, Buchwald M, Tsui LC (1989) Identification of the cystic fibrosis gene: genetic analysis. Science 245:1073-1080 Klein RJ, Zeiss C, Chew EY, Tsai JY, Sackler RS, Haynes C, Henning AK, SanGiovanni JP, Mane SM, Mayne ST, Bracken MB, Ferris FL, Ott J, Barnstable C, Hoh J (2005) Complement factor H polymorphism in agerelated macular degeneration. Science 308:385-389 Knapp M (1999) The transmission/disequilibrium test and parental-genotype reconstruction: the reconstruction-combined transmission/ disequilibrium test. American Journal of Human Genetics 64:861-870 Knowler WC, Williams RC, Pettitt DJ, Steinberg AG (1988) Gm3;5,13,14 and type 2 diabetes mellitus: an association in American Indians with genetic admixture. American Journal of Human Genetics 43:520-526 Kistner EO, Weinberg CR (2004) Method for using complete and incomplete trios to identify genes related to a quantitative trait. Genetic Epidemiology 27:33-42 Kotti S, Bickeb¨ oller H, Clerget-Darpoux F (2007) Strategy for detecting susceptibility genes with weak or no marginal effect. Erscheint in Human Heredity Laird NM, Lange C (2006) Family-based designs in the age of large-scale gene-association studies. Nature Reviews Genetics 7:385-394 Levinson DF, Kirby A, Slepner S, Nolte I, Spijker GT, te Meerman G (2001) Simulation studies of detection of a complex disease in a partially isolated population. American Journal of Medical Genetics 105:65-70 Lin DY (2006) Evaluating statistical significance in two-stage genomewide association studies. American Journal of Human Genetics 78:505-509 Marchini J, Cardon LR, Phillips MS, Donnelly P (2004) The effects of human population structure on large genetic association studies. Nature Genetics 36:512-517 Obreiter M, Fischer C, Chang-Claude J, Beckmann L (2005) SDMinP: a program to control the family wise error rate using step-down minP adjusted P-values. Bioinformatics 21:3183-3184 Palmer LJ, Cardon LR (2005) Shaking the tree: mapping complex disease genes with linkage disequilibrium. Lancet 366:1223-1234

5.7

Literatur

277

Pe’er I, de Bakker PI, Maller J, Yelensky R, Altshuler D, Daly MJ (2006) Evaluating and improving power in whole-genome association studies using fixed marker sets. Nature Genetics 38:663-667 Pritchard JK, Rosenberg NA (1999) Use of unlinked genetic markers to detect population stratification in association studies. American Journal of Human Genetics 65:220-228 Purcell S, Cherny SS, Sham PC (2003) Genetic Power Calculator: design of linkage and association genetic mapping studies of complex traits. Bioinformatics 19:149-150 Rabinowitz D, Laird N (2000) A unified approach to adjusting association tests for population admixture with arbitrary pedigree structure and arbitrary missing marker information. Human Heredity 50:211-223 Sasieni PD (1997) From genotypes to genes: doubling the sample size. Biometrics 53:1253-1261 Schaid DJ, Rowland CM, Tines DE, Jacobson RM, Poland GA (2002) Score tests for association between traits and haplotypes when linkage phase is ambiguous. American Journal of Human Genetics 70:425-434 Schaid DJ (2004) Evaluating associations of haplotypes with traits. Genetic Epidemiology 27:348-364 Schaid DJ (2006) Power and sample size for testing associations of haplotypes with complex traits. Annals of Human Genetics 70:116-130 Skol AD, Scott LJ, Abecasis GR, Boehnke M (2006) Joint analysis is more efficient than replication-based analysis for two-stage genome-wide association studies. Nature Genetics 38:209-213 Slager SL, Schaid DJ (2001) Case-control studies of genetic markers: power and sample size approximations for Armitage’s test for trend. Human Heredity 52:149-153 Smyth DJ, Cooper JD, Bailey R, Field S, Burren O, Smink LJ, Guja C, Ionescu-Tirgoviste C, Widmer B, Dunger DB, Savage DA, Walker NM, Clayton DG, Todd JA (2006) A genome-wide association study of nonsynonymous SNPs identifies a type 1 diabetes locus in the interferon-induced helicase (IFIH1) region. Nature Genetics 38:617-619 Spielman RS, Ewens WJ (1998) A sibship test for linkage in the presence of association: the sib transmission/disequilibrium test. American Journal of Human Genetics 62:450-458 Spielman RS, McGinnis RE, Ewens WJ (1993) Transmission test for linkage disequilibrium: the insulin gene region and insulin-dependent diabetes mellitus (IDDM). American Journal of Human Genetics 52:506-516 Stephens M, Smith NJ, Donnelly P (2001) A new statistical method for haplotype reconstruction from population data. American Journal of Human Genetics 68:978-989

278

5. Assoziationsanalyse

Svejgaars A, Platz P, Ryder LP (1980) Insulin-dependent diabetes mellitus, in Histocompatability testing 1980, Terasaki PI (Hrsg.), UCLA Tissue Typing Laboratory, Los Angeles, 638-655 Thomas DC, Haile RW, Duggan D (2005) Recent developments in genomewide association scans: a workshop summary and review. American Journal of Human Genetics 77:337-345 Thomas DC, Witte JS (2002) Point: population stratification: a problem for case-control studies of candidate-gene associations? Cancer Epidemiology Biomarkers & Prevention 11:505-512 Thomson G (1983) Investigation of the mode of inheritance of the HLA associated diseases by the method of antigen genotype frequencies among diseased individuals. Tissue Antigens 21:81-104 Van Eerdewegh P, Little RD, Dupuis J, Del Mastro RG, Falls K, Simon J, Torrey D, Pandit S, McKenny J, Braunschweiger K, Walsh A, Liu Z, Hayward B, Folz C, Manning SP, Bawa A, Saracino L, Thackston M, Benchekroun Y, Capparell N, Wang M, Adair R, Feng Y, Dubois J, FitzGerald MG, Huang H, Gibson R, Allen KM, Pedan A, Danzig MR, Umland SP, Egan RW, Cuss FM, Rorke S, Clough JB, Holloway JW, Holgate ST, Keith TP (2002) Association of the ADAM33 gene with asthma and bronchial hyperresponsiveness. Nature 418:426-430 Voight BF, Pritchard JK (2005) Confounding from cryptic relatedness in case-control association studies. Public Library of Science Genetics 1:e32 Wacholder S, Rothman N, Caporaso N (2002) Counterpoint: bias from population stratification is not a major threat to the validity of conclusions from epidemiological studies of common polymorphisms and cancer. Cancer Epidemiology Biomarkers Prevention 11:513-520 Waldron ER, Whittaker JC, Balding DJ (2006) Fine mapping of disease genes via haplotype clustering. Genetic Epidemiology 30:170-179 Wang H, Thomas DC, Pe’er I, Stram DO (2006) Optimal two-stage genotyping designs for genome-wide association scans. Genetic Epidemiology 30:356-368 Wang WY, Barratt BJ, Clayton DG, Todd JA (2005) Genome-wide association studies: theoretical and practical concerns. Nature Reviews Genetics 6:109-118 Zondervan KT, Cardon LR (2004) The complex interplay among factors that influence allelic association. Nature Reviews Genetics 5:89-100 Webseiten: http://linkage.rockefeller.edu/soft/list.html OMIM Online Mendelian Inheritance in Man: www3.ncbi.nlm.nih.gov/omim/

Kapitel 6 Risikoberechnungen in Familien

6

6

6 Risikoberechnungen in Familien 6.1 Einleitung ....................................................................... 6.2 Wahrscheinlichkeiten in Stammb¨ aumen ................................. 6.2.1 Formalisierung der Berechnung..................................... 6.2.2 Bedingte Wahrscheinlichkeit im Bayesschen Rechentableau ........................................... 6.3 Monogene Krankheiten ...................................................... 6.3.1 Autosomal dominante Krankheiten ............................... 6.3.2 Autosomal rezessive Krankheiten .................................. 6.3.3 X-chromosomal rezessive Krankheiten ........................... 6.4 Brust- und Eierstockkrebs .................................................. 6.4.1 Ergebnisse von Segregationsanalysen ............................. 6.4.2 Sch¨ atzung der Heterozygotenwahrscheinlichkeit ............... 6.4.3 Vergleichende Untersuchungen...................................... 6.4.4 Sch¨ atzung der Krankheitswahrscheinlichkeit.................... 6.5 Ausblick.......................................................................... 6.6 Programme ...................................................................... 6.7 Literatur .........................................................................

281 281 282 282 284 286 286 295 300 311 311 314 316 317 319 321 322

6 Risikoberechnungen in Familien 6.1 Einleitung In der genetischen Beratung fragen Mitglieder aus Familien nach dem Risiko f¨ ur das Auftreten einer Krankheit bei sich selbst oder bei zuk¨ unftigen Kindern, wenn in ihren Familien eine genetisch bedingte Krankheit vermutet wird. Falls bei einfachen monogenen Krankheiten eine Mutation im verantwortlichen Gen direkt nachgewiesen werden kann und aus dieser Mutation auch der Ausbruch der Krankheit folgt (vollst¨andige Penetranz), sind klare Aussagen f¨ ur jedes getestete Familienmitglied m¨oglich. Bei unvollst¨andiger Penetranz oder wenn keine molekulargenetische Untersuchung durchgef¨ uhrt wurde, kann man nur eine unsichere Aussage in Form einer Krankheitswahrscheinlichkeit machen. Die Bestimmung dieser Wahrscheinlichkeit wird als Teil der genetischen Beratung aufgefasst (s. Exkurs 6, S. 293). In einfachen Situationen gen¨ ugen Grundkenntnisse der Humangenetik zur Quantifizierung der Krankheitswahrscheinlichkeit. Schon bei wenigen verkomplizierenden Faktoren f¨ ur monogene Krankheiten erfordern die Risikosch¨atzungen in der Regel umfangreiche Berechnungen. Dies ist der Fall, wenn Ratsuchende mit den Kranken weitl¨ aufiger verwandt sind Informationen u ¨ber genetische Marker oder diagnostische Tests einbezogen werden m¨ ussen Abweichungen vom klassischen Mendelschen Modell (s. Abschnitt 1.3.2) vorliegen. Besonders schwierig ist es bei genetisch komplexen Krankheiten, da mehrere Gene und eventuell nichtgenetische Risikofaktoren eine Rolle spielen. Bei solchen Krankheiten verwendet man oft Sch¨ atzungen der empirischen Wiederholungsrisiken aus Familienstudien, worauf wir hier nicht n¨aher eingehen. Voraussetzung f¨ ur Risikoberechnungen bei monogenen Krankheiten oder bei Krankheiten mit Hauptgenen ist die Formulierung eines genetischen Modells mit Parametern wie Allelh¨ aufigkeiten und Penetranzen (s. Abschnitt 1.2.3). F¨ ur Ratsuchende berechnet man zun¨ achst mithilfe der Bayesschen Formel (Gl. 1.4) die Genotypwahrscheinlichkeiten auf der Basis des genetischen Modells und unter Einbeziehung der familienspezifischen Informationen und schließt daraus auf die Krankheitswahrscheinlichkeit f¨ ur ein zuk¨ unftiges Kind. In vielen einfachen Familiensituationen lassen sich die Risikoberechnungen gut von Hand beziehungsweise mit einem Taschenrechner bestimmen. In Abschnitt 6.2.1 tragen wir die formalen Grundlagen der Risikoberechnung un-

6.1

282

6. Risikoberechnungen in Familien

ter Annahme eines genetischen Modells zusammen. Wir f¨ uhren im Abschnitt 6.2.2 die Anwendung der Bayesschen Formel mit dem Bayesschen Rechentableau ein. Im Abschnitt 6.3 werden die wichtigsten Familiensituationen bei monogenen Krankheiten besprochen, wobei wir ausf¨ uhrlicher auf die Duchennesche Muskeldystrophie eingehen. Abschnitt 6.4 ist der Risikoberechnung bei Brust- und Eierstockkrebs als Beispiel einer genetisch komplexen Krankheit mit monogenen Sonderformen gewidmet. In Abschnitt 6.6 beschreiben wir Programme zur Risikoberechnung.

6.2

6.2 Wahrscheinlichkeiten in Stammb¨ aumen 6.2.1 Formalisierung der Berechnung

Das Krankheitsrisiko einer ratsuchenden Person aus der Allgemeinbev¨olkerung f¨ ur eine Krankheit K ist ohne weitere Infomationen die Pr¨avalenz P(K) (s. Abschnitt 1.4.2). Bei genetisch bedingten Krankheiten wird es auch als genetisches Risiko oder, falls in der Familie bereits Mitglieder erkrankt sind, als Wiederholungsrisiko bezeichnet. F¨ ur monogene Krankheiten ist das Auftreten von K abh¨ angig vom Genotyp gj am Krankheitsgenort, wobei gj , j=1, . . . , k, die m¨ oglichen Genotypen und P(K|gj ) die Penetranzen (s. Abschnitt 1.2.3) am Krankheitsgenort bezeichnen. Nach dem Satz von der totalen Wahrscheinlichkeit (Gl. 1.1) gilt: P (K) =

k 

P (K|gj )P (gj ).

(6.1)

j=1

Die urspr¨ ungliche Frage “krank: ja oder nein?” setzt damit die Beantwortung der Frage “Welcher Genotyp?” voraus. Man nimmt an, dass bei monogenen Krankheiten und einem bekannten Genotyp am Krankheitsgenort das Krankheitsrisiko nicht mehr von anderen Familienmitgliedern abh¨angt (bedingte Unabh¨ angigkeit). Wenn der Genotyp nicht direkt getestet werden kann, erlauben Informationen u ¨ ber die Familie der Ratsuchenden und Wissen u ¨ ber das genetische Modell der Krankheit Wahrscheinlichkeitsaussagen u ¨ ber die verschiedenen Genotypen gj . Zus¨ atzliche korrelierte Variablen k¨ onnen Hinweise auf den Genotyp am Krank¨ heitsgenort liefern. Zum Beispiel sind die Kreatinkinasewerte bei Ubertr¨ agerinnen der Duchenneschen Muskeldystrophie (DMD) im Mittel h¨oher als bei Frauen mit zwei normalen Allelen. Oft nutzt man Haplotypinformationen von Markern, die innerhalb des Gens liegen oder einen geringen genetischen

6.2

Wahrscheinlichkeiten in Stammb¨ aumen

283

Abstand zum Gen haben. Werden solche Marker im Stammbaum typisiert, erh¨ alt man Wahrscheinlichkeitsaussagen f¨ ur die Genotypen am Krankheitsgenort. Tr¨ agt etwa eine ratsuchende Person den gleichen Haplotyp, den ihre beiden DMD-kranken Br¨ uder von der Mutter geerbt haben, so ist ihre ¨ Ubertr¨ agerinnenwahrscheinlichkeit sehr hoch. Das Handwerkszeug f¨ ur die Risikoberechnung besteht also aus zwei Teilen: 1. Bestimmung des genetischen Modells inklusive der Modellierung korrelierter Variablen 2. Berechnung der Genotypwahrscheinlichkeiten unter Nutzung des genetischen Modells sowie der Familienkonstellation und der Auspr¨agungen der korrelierten Variablen. Die Bestimmung des genetischen Modells einer Krankheit ist Gegenstand von Segregationsanalysen (s. Kapitel 3). Zum Modellierungsschritt geh¨ort die Beschreibung der gemeinsamen Verteilungen der korrelierten Variablen. Die Genotypwahrscheinlichkeiten einer ratsuchenden Person i im Stammbaum sind abh¨ angig von der gesamten Familienstruktur F am, dem genetischen Modell M sowie den korrelierten Informationen Z. Berechnet wird die bedingte Wahrscheinlichkeit P (gi |M, F am, Z), die wir im Folgenden mit urzen. P (gi ) abk¨ Die Likelihood eines Stammbaums mit n Personen, i = 1, ..., n, setzt sich aus den Wahrscheinlichkeiten der Genotypkonstellation aller Familienmitglieder bei gegebener ph¨ anotypischer Information Φ in der Familie zusammen und l¨asst sich mittels des Elston-Stewart-Algorithmus (s. Abschnitt 4.2.3, Gl. 4.22) zerlegen. Hier wird das genetische Modell mit seinen Parametern als bekannt vorausgesetzt und die bedingte Genotypverteilung gesch¨atzt. L(g1 , ..., gn |M, F am, Z) = P (g1 , ..., gn |Φ) =   P (Φi |gi ) f (gi ) i=1,...,n

i=1,...,n1



P (gi |gP i , gMi )

(6.2)

i=1,...,n2

under und n2 die Anzahl der Nicht-Gr¨ under. n1 bezeichnet die Anzahl der Gr¨ Wenn Markergenotypen bestimmt werden k¨ onnen, dann beinhaltet gi nicht den Genotyp sondern den Diplotyp aus Markerloci und dem Krankheitslocus zusammen, dabei tr¨ agt die i-te Person den vom Vater geerbten Haplotyp gP i und den von der Mutter geerbten Haplotyp gMi . Wie in Abschnitt 3.4.7 beschrieben verwendet man als Genotypwahrscheinlichkeiten f¨ ur Gr¨ under die entsprechenden Populationsh¨aufigkeiten, f¨ ur Nichtgr¨ under sind sie aus den Diplotypen ihrer Eltern berechenbar. Bei Betrachtung mehrerer Loci nutzt man sowohl die Vererbungsregeln als auch die als bekannt angenommenen Rekombinationswahrscheinlichkeiten zwischen den betrachteten Loci. Je nach genetischem Modell f¨ ur die Krankheit betrachtet

284

6. Risikoberechnungen in Familien

man auch die M¨ oglichkeit von Neumutationen und die bedingten Verteilungen der korrelierten Variablen. Bei X-chromosomaler Vererbung sind alle Komponenten der Gleichung 6.2 geschlechtsspezifisch zu formulieren. Die gesuchte Wahrscheinlichkeit, dass eine ratsuchende Person i im Stammbaum am Krankheitsgenort den Genotyp gij hat, ergibt sich als bedingte Likelihood: L(g1 , ..., gn |M, F am, Z, gij ) , (6.3) P (gij ) = L(g1 , ..., gn |M, F am, Z) wobei im Nenner u oglichen g‘s summiert wird, die bei den einzelnen ¨ ber alle m¨ Personen im Stammbaum vorkommen k¨ onnten und im Z¨ahler u ur ¨ber solche, f¨ ucksichtigung von M, Fam, die Person i den Genotyp gij hat, jeweils unter Ber¨ Z und den beobachteten Ph¨ anotypen. 6.2.2 Bedingte Wahrscheinlichkeit im Bayesschen Rechentableau

Die Berechnung der Bayesschen Formel l¨ asst sich f¨ ur einfache Familiensituationen leicht innerhalb eines Rechentableaus durchf¨ uhren. Diese Technik soll hier erl¨ autert werden, da wir sie f¨ ur die Beispiele verwenden. Sie wird in Tabelle 6.1.A an einem Beispiel gezeigt, Tabellenteil 6.1.B enth¨alt die dazu geh¨ orenden Formeln f¨ ur den Stammbaum. I

1

2 Abbildung 6.1. Kernfamilie mit einer autosomal dominanten

II

1

Krankheit mit reduzierter Penetranz f= 0,6; der Pfeil kennzeichnet die Person, f¨ ur die im folgenden Schritt eine Berechnung durchgef¨ uhrt wird.

In der Familie in Abb. 6.1 hat der Vater I.1 eine seltene autosomal dominante ¨ Krankheit. Die Ratsuchende II.1 kann Ubertr¨ agerin sein, da die Krankheit eine reduzierte Penetranz hat. Es gilt fdd = 0, fDd = fDD = 0, 6 (s. Abschnitt 1.3), letztere mit f abgek¨ urzt. Bei seltenen autosomal dominanten Krankheiten sind Tr¨ ager zweier Krankheitsallele DD so selten, dass man f¨ ur Handrechnungen annimmt, dass Kranke heterozygot Dd sind. Nach den Mendelschen Vererbungsregeln hat II.1 das Allel D und das Allel d jeweils mit Wahrscheinlichkeit 0,5 von ihrem Vater geerbt. Ihre Mutter I.2 wird auf¨ grund analoger Uberlegungen als homozygot dd angenommen. Daher bleiben f¨ ur die Genotypen der Ratsuchenden die zwei M¨oglichkeiten Dd und dd, die u ¨ ber den Spalten der Tab. 6.1.A stehen. Wie eben erl¨autert haben beide die in Zeile 1 eingetragene Wahrscheinlichkeit 0,5. Allgemein verwendet man als a-priori Wahrscheinlichkeiten f¨ ur die m¨ oglichen Genotypen die Werte, die

6.2

Wahrscheinlichkeiten in Stammb¨ aumen

285

Tabelle 6.1. A: Bayessches Rechentableau f¨ ur den Stammbaum aus Abb. 6.1, (D

Krankheitsallel, DD vernachl¨ assigt), B: Bayessches Rechentableau allgemein.

A Ratsuchende II.1 heterozygot Dd 1: a-priori

0,5

homozygot dd 0,5

2: bedingt II.1 gesund

0,4

1,0

3: gemeinsam

0,2

0,5

4: a-posteriori

0,2/0, 7 = 0, 29

0,5/0, 7 = 0, 71

B heterozygot Dd

homozygot dd

1: a-priori

P(Dd)

P(dd)

2: bedingt II.1 gesund

P(K|Dd)

P(K|dd)

3: gemeinsam

P(K|Dd)P(Dd)

P(K|dd)P(dd)

4: a-posteriori

P (K|Dd)P (Dd)

P (K|dd)P (dd)

P (K|Dd)P (Dd) + P (K|dd)P (dd)

P (K|Dd)P (Dd) + P (K|dd)P (dd)

=P(Dd|Z)

=P(dd|Z)

beim momentanen Stand des Wissens vorliegen. In Zeile 2 stehen die bedingten Wahrscheinlichkeiten f¨ ur das Ereignis Person uberschrift g¨ ultig ist. II.1 ist gesund, K, unter der Annahme, dass die Spalten¨ Zeile 3 beinhaltet die gemeinsamen Wahrscheinlichkeiten f¨ ur den Genotyp und die Beobachtung, die man als Produkt der Eintr¨age in der jeweiligen Spalte ermittelt. Vergleicht man die beiden Eintr¨ age, so sieht man, dass die Wahrscheinlichkeit f¨ ur Genotyp homozygot und gesund 2,5 mal so groß wie die Alternative ist. Um sie als bedingte Wahrscheinlichkeiten interpretieren zu k¨onnen, m¨ ussen die gemeinsamen Wahrscheinlichkeiten noch so normiert werden, dass sie als Summe 1 ergeben. In Zeile 4 ist daher jeweils der Wert aus Zeile 3 dividiert durch die Summe der Wahrscheinlichkeiten aus Zeile 3 eingetragen. Da zus¨ atzliche Informationen ber¨ ucksichtigt wurden, nennt man sie a-posteriori Wahrscheinlichkeit. In Tabelle 6.1.B sind die Berechnungen f¨ ur das Beispiel als Formeln aufgeschrieben und man sieht, dass die gesuchte bedingte Wahrscheinlichkeit durch schrittweise Berechnung der einzelnen Terme der Bayesschen Formel ermittelt wurde: Z ist die zus¨ atzliche Information, die einbezogen werden soll. Die fett gedruckten Terme m¨ ussen eingef¨ ugt werden, die weiteren Berechnungen erfolgen nach dem beschriebenen Schema. Die Summe der Eintr¨age in der letzten Spalte muss eins ergeben.

286

6.3

6. Risikoberechnungen in Familien

6.3 Monogene Krankheiten Risikoberechnungen f¨ ur monogene Krankheiten lassen sich in vielen Famili¨ ensituationen von Hand durchf¨ uhren. Bei den Uberschlagsrechnungen werden zugunsten rechentechnischer Vereinfachung solche Risikoanteile vernachl¨assigt, die im Verh¨ altnis zu anderen sehr klein sind. Beispielsweise geht man bei seltenen autosomal dominanten Krankheiten davon aus, dass die Betroffenen heterozygot am Krankheitsgenort sind, denn zwei Krankheitsallele kommen bei diesen Personen a ¨ußerst selten vor (s. Abschnitt 2.2.2.1). Bei Kindern (allgemein bei weiteren direkten Nachkommen) von Personen, die eine autosomal dominante Krankheit haben, vernachl¨assigt man die Wahrscheinlichkeit von Neumutationen, weil sie im Verh¨altnis zur Wahrscheinlichkeit sehr klein sind, dass ein Krankheitsallel geerbt wurde. Wenn die M¨oglichkeit der direkten Genotypisierung nicht besteht, die chromosomale Lokalisation des verantwortlichen Gens aber bekannt ist, kann die Bestimmung der Genotypen von gekoppelten DNA-Markern wichtige Hinweise auf die Heterozygotenwahrscheinlichkeit einzelner Familienmitglieder liefern. Diese Situation tritt auf, wenn das Gen noch nicht gefunden wurde, oder wenn noch keine Technik zur Suche der Krankheitsmutationen etabliert werden konnte. Wie man Markerinformationen einbezieht, demonstrieren wir bei der Duchenneschen Muskeldystrophie, da hier die sogenannte indirekte Diagnostik (auch Haplotypanalyse genannt) noch h¨ aufig angewandt wird. Sie wurde bis vor einigen Jahren auch bei Brustkrebs verwendet, als die chromosomale Region der Krankheitsgene BRCA1 und BRCA2 bekannt war, aber noch keine Tests auf relevante Mutationen zur Verf¨ ugung standen. Selbst wenn molekulargenetische Tests f¨ ur ein Gen vorhanden sind, kann man mit ihnen meist nicht alle Krankheitsmutationen finden. Sie haben eine Sensitivit¨ at von weniger als 100%, w¨ ahrend man ihre Spezifit¨at meist als vollst¨ andig annimmt. Wir werden am Beispiel der Mukoviszidose (auch Cystische Fibrose, CF) zeigen, wie negative Testergebnisse ber¨ ucksichtigt werden k¨ onnen. 6.3.1 Autosomal dominante Krankheiten

Bei vollst¨ andiger Penetranz und Abwesenheit von Ph¨anokopien hat jedes Kind eines kranken Elternteils und eines gesunden Elternteils (Paarungstyp Dd x dd) 50% Wahrscheinlichkeit, ebenfalls zu erkranken. Dabei haben wir das kranke Elternteil als heterozygot am Krankheitslocus angenommem. Kinder gesunder Eltern k¨ onnen nur dann die Krankheit bekommen, wenn es auf einem der beiden Allele des Krankheitsgens zu einer Neumutation gekommen ist. Die Neumutationsrate wird mit µ bezeichnet. Es kommt also mit einer Wahrscheinlichkeit von 2µ(1 − µ) auf den Chromosomen zu einer Mutation,

6.3

Monogene Krankheiten

287

wobei die Wahrscheinlichkeit einer zweifachen Neumutation vernachl¨assigt wurde. Bei reduzierter Penetranz k¨ onnen auch Gesunde ein Krankheitsallel vererben, als Beispiel siehe Abb.6.2.A Person II.1. Es ergibt sich aus den Berechnungen, dass der gesunde Sohn eines Kranken mit der Wahrscheinlichkeit von 29% heterozygot ist. Sein Kind erbt das Allel D mit der Wahrscheinlichkeit 50%. Bei einer Penetranz von 60% betr¨ agt damit die Krankheitswahrscheinlichkeit eines Kindes von II.1 0, 29 · 0, 5 · 0, 6 = 0, 087 = 8, 7%. F¨ ur den Stammbaum in Abb. 6.2.A betrachten wir nun ganz allgemein bei unbekannter Penetranz die Wahrscheinlichkeit, dass direkte Nachkommen von II.1 die Krankheit bekommen. Wie zuvor nehmen wir an, dass I.1 ein normales und ein Krankheitsallel am verantwortlichen Locus tr¨agt und dass I.2 zwei ¨ normale Allele besitzt. Uber die Krankheitswahrscheinlichkeit von Person III.1 soll eine Aussage gemacht werden, zuvor berechnen wir die Heterozygotenwahrscheinlichkeit des Vaters II.1. Die geringe Wahrscheinlichkeit, dass II.2 zuf¨ allig auch eine Krankheitsmutation tr¨ agt, wird wieder vernachl¨assigt. Tabelle 6.2 ist die dazu geh¨ orige Bayessche Rechentabelle. Person II.1 erbt die Krankheitsmutation mit Wahrscheinlichkeit 50% von ihrem Vater. Dies benutzen wir als a-priori Wahrscheinlichkeit in der ersten Zeile der Rechentabelle. Die Information, dass II.1 gesund ist, wird durch die weiteren Berechnungen als Bedingung einbezogen. A

B

I 1 II 1 III

Krankheitswahrscheinlichkeit

0,10 0,09 0,08 0,07 0,06 0,05 0,04 0,03 0,02 0,01 0

0

0,2

0,4

0,6

0,8

1,0

Penetranz

Abbildung 6.2. A: Stammbaum, B: Krankheitswahrscheinlichkeit der Person III.1 in

Abh¨ angigkeit von der Penetranz. ) Ein Kind der Person II.1 hat also eine Krankheitswahrscheinlichkeit 1/2f (1−f (2−f ) , denn das Krankheitsallel wird von II.1 mit Wahrscheinlichkeit 1/2 an III.1 vererbt und III.1 entwickelt die Krankheit mit Wahrscheinlichkeit f, wenn es heterozygot ist. Diese Wahrscheinlichkeit ist in Abb. 6.2.B in Abh¨angigkeit von der Penetranz dargestellt. Die M¨ oglichkeit, dass II.2 ebenfalls hetero-

288

6. Risikoberechnungen in Familien

Tabelle 6.2. Heterozygotenwahrscheinlichkeit der gesunden Person II.1 in Abb. 6.2.A bei

reduzierter Penetranz f f¨ ur Krankheitsallel D.

Person II.1

heterozygot Dd

homozygot dd

a-priori

1/2

1/2

bedingt II.1 gesund

1−f

1

gemeinsam

1/2(1 − f )

1/2

a-posteriori

1−f 1/2(1 − f ) = 1/2(1 − f ) + 1/2 2−f

1/2 1 = 1/2(1 − f ) + 1/2 2−f

zygot ist, wird vernachl¨ assigt. Gesunde Kinder von II.1 machen es weniger wahrscheinlich, dass II.1 die Krankheitsmutation von seinem Vater geerbt hat. Wie stark diese Reduktion ist, h¨ angt von der Penetranz ab. Abbildung 6.3.A zeigt die Familiensituation, f¨ ur die nun die Krankheitswahrscheinlichkeit eines weiteren Nachkommen berechnet werden soll. Die Informationen, dass II.1 gesund ist und dass er ein gesundes Kind hat, sind statistisch unabh¨ angig bedingt auf seinen Genotyp am Krankheitsgenort. Daher k¨onnen die einzelnen Zusatzinformationen als zus¨ atzliche Zeilen in der Bayestabelle aufgef¨ uhrt werden (s. Tabelle 6.3). A

B P(H) 0,5

1 I

0,4

1

2

II

III

n=1 n=2 n=3

2

0,3

n

1

0,2

0,1

0

0

0,2

0,4

0,6

0,8

1

Penetranz

Abbildung 6.3. A: Stammbaum, B: Heterozygotenwahrscheinlichkeit von II.1 in

Abh¨ angigkeit von Penetranz und Anzahl n gesunder Kinder.

Bisher haben wir die Situation betrachtet, dass die Ratsuchenden Kinder der kranken Familienmitglieder sind. Falls andere Verwandte Ratsuchende sind, k¨ onnen populationsgenetische Annahmen, die wir bisher vernachl¨assigt haben, eine wichtige Rolle spielen. In der Familie in Abb.6.4.A wird nach der Krankheitswahrscheinlichkeit f¨ ur ein Geschwister der Kranken gefragt.

6.3

Monogene Krankheiten

289

Tabelle 6.3. Heterozygotenwahrscheinlichkeit der gesunden Person II.1 aus Abb. 6.3.A bei

Ber¨ ucksichtigung von n gesunden Kindern III.1 - III.n und reduzierter Penetranz f .

Person II.1

heterozygot Dd

homozygot dd

a-priori

1/2

1/2

bedingt II.1 gesund

1−f

1

n gesunde Kinder III.1 . . . . III.n

(1/2(1 − f ) + 1/2)n

1

gemeinsam

1/2(1 − f )(1/2(1 − f ) + 1/2)n

1/2

a-posteriori

(1−f )(1/2(1−f )+1/2)n (1−f )(1/2(1−f )+1/2)n +1

1 (1−f )(1/2(1−f )+1/2)n +1

B

A

P(H) 0,25

1

2

0,20

I 0,15

II

1

2

0,10

0,05

0

0

0,2

0,4

0,6

0,8

1

Penetranz

Abbildung 6.4. A: Stammbaum, B: Heterozygotenwahrscheinlichkeit f¨ ur Geschwister einer

Betroffenen in Abh¨ angigkeit von der Penetranz f und der Fitness.

Falls keines der beiden Elternteile I.1 und I.2 eine Krankheitsmutation tr¨agt, ¨ kann die ratsuchende Person nur Ubertr¨ agerin der Krankheit an ihr Kind sein, wenn ein neues Krankheitsallel (Neumutation) in der v¨aterlichen oder der m¨ utterlichen Meiose aufgetreten ist. Die Heterozygotenwahrscheinlichkeit l¨asst sich mit Hilfe der Bayesschen Formel berechnen. Sie ist sowohl von der H¨aufigkeit p f¨ ur das Krankheitsallel als auch von der Penetranz f und der Neumutationsrate µ abh¨ angig. Die a-priori Wahrscheinlichkeit, dass I.1 und I.2 heterozygot sind, ist mit ¨ ur die Uberschlagsrechnung vernachl¨assigt werden (2pq)2 so klein, dass sie f¨ kann. Die Wahrscheinlichkeit, dass genau eines der beiden Elternteile heterozygot ist, ist das Doppelte der Heterozygotenh¨aufigkeit in der Population. Das heterozygote Elterteil ist mit der Wahrscheinlichkeit 1 − f gesund, ein Kind erbt mit der Wahrscheinlichkeit 1/2 das Krankheitsallel und erkrankt mit der Wahrscheinlichkeit f , oder es erbt das urspr¨ unglich normale Allel,

290

6. Risikoberechnungen in Familien

das durch Neumutation zu einem Krankheitsallel wurde. Haben beide Elternteile normale Allele am Krankheitsgenort, dann ist Neumutation die einzige M¨ oglichkeit, durch die ein Kind die Krankheit bekommen k¨onnte. Neumutation kann beim Vater oder unabh¨ angig davon bei der Mutter auftreten, die M¨ oglichkeit, dass bei beiden eine Neumutation auftritt, kann wieder vernachl¨ assigt werden. Ohne weitere Annahmen u ¨ber die unbekannten Parameter l¨asst sich die aposteriori Wahrscheinlichkeit nicht berechnen. Man macht die folgenden populationsgenetischen Annahmen. Wenn von Generation zu Generation die Inzidenz I einer Krankheit gleich bleibt, so nimmt man die Existenz eines Mutations-Selektions-Gleichgewichtes an. Dabei entsteht die gleiche Anzahl an Krankheitsmutationen durch Neumutationen wieder, die durch eingeschr¨ ankte Fitness (Fit) aussterben. Die Fitness bezeichnet die relative Fortpflanzungswahrscheinlichkeit von Personen mit einem bestimmten Genotyp im Vergleich zu der mit der maximalen Fortpflanzungswahrscheinlichkeit. Daraus ergibt sich µ = I/2 · (1 − F it) (Haldane 1949). Die Inzidenz kann Tabelle 6.4. Heterozygotenwahrscheinlichkeit f¨ ur ein Geschwister der Kranken in Abb.6.4

Person II.2, H¨ aufigkeit des Krankheitsallels p+q=1.

Person II.2

I.1 oder I.2 heterozygot Dd

beide nicht heterozygot

a-priori

≈ 4pq

1-4pq ≈1

bedingt heterozygotes Elternteil gesund

1−f

1

bedingt II.1 krank

1/2f + 1/2µf ≈ 1/2f

2·µ·f

gemeinsam

1/2f · (1 − f ) · 4pq

2·µ·f

a-posteriori

1/2f · (1 − f ) · 4pq 1/2f · (1 − f ) · 4pq + 2 · µ · f

2·µ·f 1/2f · (1 − f ) · 4pq + 2 · µ · f

man unter Vernachl¨ assigung der Personen mit zwei Krankheitsmutationen etwa als I = 2pqf annehmen. Es l¨ asst sich zeigen (Haldane 1949) P(I.1 oder I.2 sind heterozygot) = P(II.2 krank) =

1−f 1 − f · F it

1−f · 1/2 · f. 1 − f · F it

und

6.3

Monogene Krankheiten

291

Blick in die Geschichte 6: Thomas Bayes (1701? - 1761) Thomas Bayes ist der Namensgeber f¨ ur das Bayessche Theorem zum Rechnen mit bedingten Wahrscheinlichkeiten. Es hat in der Genetischen Epidemiologie eine besondere Bedeutung, da die Abh¨angigkeiten in Familien ein zentrales Thema darstellen. Bayes studierte presbyterianische Theologie, Philosophie und Mathematik und u ¨ bernahm 1733 als Pfarrer eine Gemeinde in Turnbridge Wells, einem Badeort in S¨ udengland. Seine ersten Publikationen waren theologische Werke, dar¨ uber hinaus ver¨ offentlichte er etliche, auch mathematische Artikel anonym. Als er 1742 f¨ ur Mathematik und Philosophie in die Royal Society gew¨ahlt wurde, war er auf diesem Gebiet als Wissenschaftler eigentlich nicht bekannt. Er arbeitete in der Mathematik zun¨ achst u ¨ ber unendliche Reihen und interessierte ¨ sich erst sp¨ ater, etwa 1755, f¨ ur Wahrscheinlichkeiten. Uber Bayes wurde viel geforscht und spekuliert. Dies kann auch darauf zur¨ uckzuf¨ uhren sein, dass die Person des Forschers Thomas Bayes in mehrerer Hinsicht mit Geheimnissen behaftet ist. Es gibt sehr wenige direkte Quellen von ihm, zum Beispiel wurden nur drei seiner Briefe und ein Notizbuch u ¨ berliefert, die alle undatiert waren. Er wuchs in einer nonkonformistischen Gemeinde in England auf, deren Geburtsregister - m¨ oglicherweise aus Angst vor Diskriminierung - geheimgehalten worden war und nicht u ¨berliefert wurde, so dass sein genaues Geburtsdatum nicht bekannt ist. Das einzige bekannte Bild, das f¨ ur ein Portr¨ at von Bayes gehalten wird, zeigt einige Widerspr¨ uchlichkeiten, die zu Zweifeln daran f¨ uhrten, ob es sich wirklich um ein Portr¨at von ihm handelt. Die Publikation ”Essay towards Solving a Problem in the Doctrine of Changes”, anhand derer er als Urheber der Bayesschen Formel gilt, wurde von seinem Freund Richard Price nach seinem Tod an die Royal Society geschickt und 1763 publiziert. Hier wird weit mehr als nur die Bayessche Formel angegeben. Die Arbeit enth¨ alt die Herleitung daf¨ ur, wie die a-posteriori Verteilung f¨ ur den Parameter einer Binomialverteilung aus der Likelihood unter der Annahme einer uniformen a-priori Verteilung berechnet werden kann. Einige Forscher haben sich sp¨ ater Gedanken dar¨ uber gemacht, ob Bayes tats¨achlich der Autor dieser Arbeit war. Im zwanzigsten Jahrhundert interessierten sich mehrere Wissenschaftler wieder f¨ ur seine Arbeiten, besonders Sir R.A. Fisher besch¨ aftigte sich viel damit. Bayes gilt als derjenige, der die Grundlagen f¨ ur das Konzept der Wahrscheinlichkeit gelegt hat und es in Zusammenhang mit dem induktiven Schließen brachte. (Nach Bellhouse 2004)

292

6. Risikoberechnungen in Familien

In Abb 6.4.B sind Erkrankungswahrscheinlichkeiten f¨ ur die Fitnesswerte von 0, 1, 0, 5 und 0, 8 dargestellt. Die Krankheitswahrscheinlichkeit steigt mit wachsender Fitness, sie wird f¨ ur F it = 0, 8 nicht gr¨oßer als 24%. Weitere gesunde Kinder der Partner I.1 und I.2 bezieht man analog zu dem Vorgehen in Tabelle 6.3 in die Berechnungen mit ein. Zuletzt soll in diesem Abschnitt die Berechnung bei altersabh¨angiger Penetranz besprochen werden (s. Abschnitt 1.3.2, Tab. 1.4). Hier liefert das Alter der Familienmitglieder, in dem sie noch gesund sind, einen Beitrag zur Heterozygotenwahrscheinlichkeit der Ratsuchenden. In Abb. 6.5 ist ein Stammbaum dargestellt, bei dem der Großvater des 25-j¨ahrigen Ratsuchenden von einer autosomal dominanten Krankheit mit reduzierter Penetranz betroffen ist. Der Vater ist gesund und 60 Jahre alt. Um die Krankheitswahrscheinlichkeit f¨ ur III.1 bis zum Alter von 80 Jahren zu berechnen, bestimmt man zuerst die Heterozygotenwahrscheinlichkeit von II.1. In Tabelle 6.5 ist die Penetranz der (fiktiven) Krankheit in Alterklassen eingetragen, und Tabelle 6.6 zeigt die Bayestabelle zur Berechnung der a-posteriori-Heterozygotenwahrscheinlichkeit f¨ ur den Vater des Ratsuchenden. 1

2

I 1

2

II 60J

1

III

Abbildung 6.5. Stammbaum bei reduzierter,

25J

altersabh¨ angiger Penetranz

Tabelle 6.5. Kumulative Penetranz in Altersklassen f¨ ur eine fiktive Krankheit.

Alter P(krank)

-29 0,20

30-39 0,22

40-49 0,25

50-59 0,30

60-69 0,50

70-80 0,60

P(gesund)

0,80

0,78

0,75

0,70

0,50

0,40

Tabelle 6.6. Bayestabelle f¨ ur den Stammbaum in Abb. 6.5.

Person II.1 a-priori

heterozygot Dd 0,50

homozygot gesund dd 0,50

bedingt mit 60 J. gesund

0,70

1

gemeinsam

0,35

0,50

a-posteriori

0,35/0,85 = 0,41

0,59

6.3

Monogene Krankheiten

293

Daraus folgt, dass III.1 mit Wahrscheinlichkeit 1/2 · 0, 41 = 0, 205 heterozygot ist. Mit welcher Wahrscheinlichkeit erkrankt III.1 bis zum Alter von 80 Jahren, bedingt darauf, dass er im Alter von 25 Jahren noch gesund ist? Hier setzt man die Definition der bedingten Wahrscheinlichkeit ein und liest die Krankheitswahrscheinlichkeiten aus Tabelle 6.5 ab. P(krank bis zum Alter von y | mit x Jahren noch gesund) = P(krank zwischen x und y Jahren)/P(bis x Jahren gesund) = 0, 205 · (0, 6 − 0, 2)/0, 8 = 0, 1025. Wir sehen bei altersabh¨ angigen Penetranzen den Effekt, der auch bei der Berechnung der Erkrankungswahrscheinlichkeiten f¨ ur Brust- und Eierstockkrebs (s. Abschnitt 6.4) eine Rolle spielt. Gesunde Familienmitglieder reduzieren die Heterozygotenwahrscheinlichkeit. Je ¨ alter die gesunden Personen sind, umso aussagekr¨ aftiger ist diese Information in Abh¨angigkeit vom Verlauf der Penetranz. Exkurs 6: Genetische Beratung Die genetische Beratung ist ein ¨ arztliches Angebot an alle, die eine angeborene Fehlbildung, Behinderung oder genetisch bedingte Krankheit haben oder f¨ ur sich oder ihre Nachkommen vermuten. Sie kann aus verschiedenen Gr¨ unden indiziert sein, z.B. wenn genetische Krankheiten in den Familien festgestellt wurden, bei Einnahme von Medikamenten w¨ahrend der Schwangerschaft, bei Verwandtenehen, bei vorangegangenen Aborten, bei erh¨ohtem Alter der Partner oder bei unerf¨ ulltem Kinderwunsch. Die ratsuchenden Personen sollen entsprechend ihrer individuellen Fragestellung Informationen zu den jeweiligen Krankheitsbildern erhalten und gegebenenfalls bei der Entscheidungsfindung unterst¨ utzt werden. Dabei handelt es sich z.B. um die Entscheidung f¨ ur oder gegen eigene Kinder, f¨ ur oder gegen die Fortsetzung einer Schwangerschaft oder um Maßnahmen zur Fr¨ uherkennung und Krankheitsprophylaxe. Ein genetisches Beratungsgespr¨ ach folgt meist einer bestimmten Struktur: Kl¨ arung der Fragestellung und des Beratungsziels Formulierung des Beratungsangebots Anamnese, Stammbaumanalyse und Befundzusammenstellung Eventuell molekulargenetische Diagnostik Medizinisch-genetische Befundinterpretation einschl. Risikoberechnung Information u ¨ber die Erkrankung Aufkl¨ arung u oglichkeiten weiterf¨ uhrender Diagnostik ¨ber die M¨ Besprechung der Handlungsoptionen und ihrer Konsequenzen

294

6. Risikoberechnungen in Familien

Die genetische Beratung beinhaltet medizinisch-genetische und psychosoziale Aspekte. Nach dem Berufskodex wird das Prinzip der nicht-direktiven Beratung angewandt. Die Berater helfen durch die Beratungsgespr¨ache, die subjektiven Interessen der Ratsuchenden zu kl¨ aren, so dass diese selbst entscheiden k¨ onnen, ohne von den Beratern in die eine oder die andere Richtung gedr¨ angt zu werden. Sowohl vor als auch nach molekulargenetischer Diagnostik findet Beratung statt. M¨ ogliche Ergebnisse diagnostischer Tests sowie ihre Konsequenzen werden vorab besprochen, und die Ratsuchenden k¨onnen sich auch gegen die Testung entscheiden (das Recht auf Nichtwissen). Auch nach ausf¨ uhrlicher Diagnosestellung und Stammbaumanalyse kann oft keine sichere Aussage u ¨ ber einen Krankheitseintritt gemacht werden, sondern es muss eine Krankheitswahrscheinlichkeit berechnet werden. Es geh¨ort ¨ ¨ zu den Aufgaben der beratenden Arzte und Arztinnen, die Krankheitswahrscheinlichkeiten zu ermitteln, zu interpretieren und sie den Ratsuchenden zu erl¨ autern. Die Risikowahrnehmung durch die Ratsuchenden ist subjektiv und h¨ angt neben der Schwere der Krankheit und den Therapiem¨oglichkeiten von verschiedenen weiteren Faktoren wie dem gesellschaftlichen Umfeld, der psychosozialen und ¨ okonomischen Situation der Familie ab. Ein besonderes Problem besteht, wenn f¨ ur Familienangeh¨ orige, die keine Beratung gesucht haben, eine hohe Krankheitswahrscheinlichkeit ermittelt wird. Nach Abw¨agung m¨oglicher Handlungsoptionen f¨ ur die Hochrisikopersonen werden diejenigen aus der Familie, die in der Beratungsstelle waren, gebeten, Kontakt mit ihren Verwandten aufzunehmen und ihnen ebenfalls eine Beratung zu empfehlen. Eine aktive Kontaktaufnahme durch den genetischen Berater erfolgt nicht. Die Beratung wird durch einen ausf¨ uhrlichen Brief an die Ratsuchenden mit den wichtigsten Inhalten des Gespr¨ achs abgeschlossen. Bei der genetischen Beratung steht die medizinisch-genetische Diagnosestellung im Vordergrund. Zus¨ atzlich kann den Ratsuchenden auf Wunsch auch Kontakt zu Selbsthilfegruppen vermittelt werden, und sie erhalten dort Informationen zu psychosozialen Hilfen und m¨ oglichen F¨ordermaßnahmen. In seltenen F¨ allen k¨ onnen Pr¨ aventionsmaßnahmen wie eine Di¨at bei Stoffwechselkrankheiten oder die Vermeidung bestimmter Arzneimittel ergriffen werden. Im Bereich der famili¨ aren Krebskrankheiten werden f¨ ur Risikopersonen engmaschigere Vorsorgeprogramme angeboten. Zum Beispiel k¨onnen Frauen mit sehr hohem Brust- und Ovarialkrebsrisiko an einem intensivierten Fr¨ uherkennungsprogramm teilnehmen. Bei abgeschlossener Familienplanung und einem Alter u ¨ ber 35 Jahren wird ihnen eine vorbeugende Brust- und Eiuhrendes zur erstockentfernung empfohlen (Schmutzler et al. 2003). (Weiterf¨ genetischen Beratung: Tariverdian und Buselmaier 2004, S.305-309, Harper 2004, Reif und Baitsch 1985).

6.3

Monogene Krankheiten

295

6.3.2 Autosomal rezessive Krankheiten

Wir haben in Kapitel 2 beschrieben, welche verschiedenen populationsgenetischen Kr¨ afte auf die Genotyph¨ aufigkeiten einwirken k¨onnen. F¨ ur die Risikoberechnungen bei rezessiven Krankheiten gehen wir trotzdem davon aus, dass bez¨ uglich des betrachteten Genorts Hardy-Weinberg-Gleichgewicht vorliegt. Die Heterozgotenwahrscheinlichkeit H = 2pq kann daher aus der Inzidenz q 2 berechnet werden. Reduzierte Penetranz spielt hier bei den Risikoberechnungen meist keine Rolle und wird deshalb nicht behandelt. Daraus ergibt sich direkt, dass Nachkommen unverwandter Partner, in deren Familien keine Krankheitsf¨ alle aufgetreten sind, mit einer Wahrscheinlichkeit von 2pq · 2pq · 1/4 erkranken. F¨ ur die h¨ aufigste rezessive Krankheit Mukoviszidose mit einer Heterozygotenh¨ aufigkeit von etwa 1/20 ist dies 1/20 · 1/20 · 1/4 = 0, 000625, das entspricht rund 6 von 10.000. Ganz allgemein gilt f¨ ur die Krankheitswahrscheinlichkeit eines Kindes P (K) = P (HV ater ) · P (HMutter ) · 1/4.

(6.4)

Die Heterozygotenwahrscheinlichkeiten der Elternteile HV ater , HMutter k¨onnen haupts¨ achlich durch folgende Informationen beeinflusst werden: Es sind Krankheitsf¨ alle in der Familie vorgekommen. Die Partner sind verwandt. Es liegen molekulargenetische Testergebnisse vor. Wenn ein ratsuchendes Paar bereits ein Kind mit einer autosomal rezessiven Krankheit hat, ist das Risiko f¨ ur ein weiteres Kind 1/4, da beide El¨ ternteile Ubertr¨ ager sein m¨ ussen. Ist in der Familie eine Person betroffen, kann man eine Absch¨ atzung der Heterozygotenwahrscheinlichkeit der gesunden Angeh¨ origen (s. Abb. 6.6) entnehmen, falls keine Verwandtenehen unter den nahen Vorfahren vorliegen. Es ist jeweils die Wahrscheinlichkeit angegeben, mit der ein gesundes Familienmitglied von einem gemeinsamen Vorfahr eines der beiden Krankheitsallele der erkrankten Person in der Familie geerbt hat. Nach Gl. 6.4 und den Heterozygotenwahrscheinlichkeiten aus Abb. 6.6 berechnet man die Krankheitswahrscheinlichkeiten f¨ ur die Ratsuchenden aus Abb. 6.7. A : P (K) = 2/3 · H · 1/4 = 1/120 ≈ 0, 83% f¨ ur H = 1/20 B : P (K) = 2/3 · 1/4 · 1/4 = 1/24

≈ 4, 17%

C : P (K) = 1/2 · 1/2 · 1/4 = 1/16

≈ 6, 25%

ur H = 1/20 D : P (K) = 1/16 · H · 1/4 = 1/1280 ≈ 0, 078% f¨

296

6. Risikoberechnungen in Familien

Großonkeltante

1/2

1/2

Onkel/Tante

1/2

1

Großeltern

1/2

Eltern

Vetter mit Generationenverschiebung

1/4

1/8

1/4

1/8

1

Geschwister

Vetter/Base 1. Grades

1/2

Halbgeschwister

2/3

1/2

Vetter/Base 1/16 2. Grades

1

Kind

1/3

1/4

Neffe/ Nichte

1/2

Enkel

1/6

1/8

Großneffe/ Großnichte

Abbildung 6.6. Heterozygotenwahrscheinlichkeit f¨ ur gesunde Verwandte einer kranken

Person durch Vererbung von einem gemeinsamen Vorfahren.

Es wurde dabei vernachl¨ assigt, dass Partner Krankheitsallele nicht nur per Vererbung von einem gemeinsamen Vorfahren, sondern auch aus der Population durch eingeheiratete Partner ererbt haben k¨onnten. Dadurch spielt die Allelh¨ aufigkeit keine Rolle und eine u ¨ bersichtliche Darstellung in Form der Graphik (s. Abb. 6.6) ist m¨ oglich. Allerdings k¨onnen auch eingeheiratete Partner ein Krankheitsallel in die Familie einbringen (Populationswahrscheinlichkeit f¨ ur Heterozygotie). Dies spielt nur eine geringe Rolle, wenn die Krankheit sehr selten ist, oder wenn die Verwandtschaft der ratsuchenden Person zur betroffenen Person in der jeweiligen Familie relativ nah ist (wie in Abb. 6.7 A-C). Genaue Berechnungen lassen sich unter Nutzung von Programmen wie LINKAGE durchf¨ uhren. Angenommen die Krankheit in den Beispielfamilien ist Mukoviszidose (s. Abschnitt 1.3.1.2), dann liefern die Berechnungen der Krankheitswahrscheinlichkeiten mit dem LINKAGE-Programm unter Verwendung der Allelh¨ aufigkeit 0,0256 f¨ ur das Krankheitsallel die folgenden Krankheitswahrscheinlichkeiten f¨ ur das jeweilige Kind A: P(K) = 0,83% B: P(K) = 4,4% C: P(K) = 6,3% D: P(K) = 0,1%. Obwohl also die Heterozygotenwahrscheinlichkeit f¨ ur den gesunden Vetter 2. Grades eines Betroffenen mit Mukoviszidose bei genauer Rechnung nicht 6,25% sondern 9,728% betr¨ agt, ist der Unterschied bei der Krankheitswahrscheinlichkeit f¨ ur ein Kind mit einem unverwandten Partner ohne famili¨are Vorgeschichte f¨ ur diese Krankheit sehr gering.

6.3

Monogene Krankheiten

297

A

B

C

D

Abbildung 6.7. Beispielstammb¨ aume mit positiver Familiengeschichte mit und ohne

Verwandtenehe A: ein Kind unverwandter Partner, die Schwester des Vaters ist betroffen, B: ein Kind von Cousin und Cousine 1. Grades, die Schwester des Vaters und damit die Cousine der Mutter ist betroffen, C: zwei Schwestern heiraten zwei Br¨ uder, eines der Paare hat ein betroffenes Kind, D: ein Kind unverwandter Eltern, die Cousine 2. Grades des Vaters ist betroffen.

Hat ein Paar bereits gesunde Kinder, so wird es dadurch unwahrscheinlicher, dass beide Elternteile heterozygot sind. Die Berechnung des Risikos f¨ ur ein Kind des Paares aus Abb. 6.7.C, wenn es bereits zwei gesunde Kinder hat, wird in Tab. 6.7 gezeigt. Wenn beide Eltern heterozygot sind, erwartet man ein krankes Kind mit einer Wahrscheinlichkeit von 0,25; daher ist hier die aposteriori Wahrscheinlichkeit gegen¨ uber der Situation ohne gesunde Kinder nicht sehr viel geringer. F¨ ur viele Krankheiten existieren bereits molekulargenetische Tests, mit denen ein großer Teil der Krankheitsmutationen entdeckt werden kann. Bei I

II

Abbildung 6.8. Negatives Testergebnis beim Bruder einer

Betroffenen.

298

6. Risikoberechnungen in Familien

Tabelle 6.7. Risiko f¨ ur ein Kind des Paares aus Abb. 6.7.C mit zwei gesunden Kindern.

beide Eltern heterozygot

h¨ ochstens ein Elternteil heterozygot

a-priori

0,25

0,75

bedingt 2 gesunde Kinder

3/4 · 3/4 = 0, 56

1,00

gemeinsam

0,14

0,75

a-posteriori

0,16

0,84

Summe

0,89

Krankheitswahrscheinlichkeit f¨ ur das n¨ achste Kind: 1/4 · 0, 16 = 0, 04

Mukoviszidose testet man im molekulargenetischen Labor des Instituts f¨ ur Humangenetik in Heidelberg das Vorhandensein der 29 h¨aufigsten Mutationen (zwei zus¨ atzliche bei Personen t¨ urkischer Herkunft). Dabei werden 89% ¨ der heterozygoten Ubertr¨ ager bei Westeurop¨ aern, 90% bei Nordeurop¨aern und 50% bei t¨ urkischen Personen entdeckt. Dies ist die Testsensitivit¨at S. ¨ Negative Testergebnisse bei Ubertr¨ agern kommen also durch Mutationen zustande, die im Testspektrum nicht erfasst werden. Daher sind die Ergebnisse des molekulargenetischen Tests in einer Familie voneinander abh¨angig. Werden beide Elternteile negativ getestet, dann ist bei dem Kind kein positives Ergebnis zu erwarten, selbst wenn es von den Eltern jeweils eine Krankheitsmutation geerbt hat. Man geht davon aus, dass der Test bei Personen mit zwei normalen Allelen keine positiven Ergebnisse liefert, er besitzt also eine Spezifit¨ at von 100%. Wie stark der Effekt eines negativen Testergebnisses ist, h¨ angt von der a-priori Heterozygotenwahrscheinlichkeit ab. (Genau dies ist das Bayessche Prinzip). Bei dem Bruder einer Betroffenen verringert ein negativer Heterozygotentest die a-priori Wahrscheinlichkeit von 67% auf 17% (s. Tab. 6.8). Tabelle 6.8. Einbeziehung des negativen Ergebnisses eines molekulargenetischen Tests mit

90% Sensitivit¨ at S und 100% Spezifit¨ at.

heterozygot

homozygot gesund

0,67

0,33

1-S=0,10

1,00

gemeinsam

0,067

0,33

a-posteriori

0,169

0,831

a-priori bed.Test neg.

6.3

Monogene Krankheiten

299

Wenn das a-priori-Risiko geringer ist, hat ein negativer Test einen anderen Einfluss. In Deutschland hat etwa 1 von 1.000 Neugeborenen eine genetisch bedingte Stoffwechsel- oder genetisch bedingte hormonelle Krankheit. Damit ein Neugeborenenscreening sinnvoll sein kann, muss es eine Therapie geben, die bei fr¨ uhem Einsatz eine drohende Behinderung vermeidet oder mildert, so wie es bei der Phenylketonurie und einer Reihe anderer Stoffwechselkrankheiten der Fall ist. Ein Neugeborenenscreening f¨ ur Mukoviszidose wird in Deutschland nicht durchgef¨ uhrt, da der klinische Nutzen eines pr¨asymptomatischen Tests nicht nachgewiesen ist. Die Organisation des Neugeborenenscreenings und die Leistungskataloge der einzelnen Zentren f¨ ur Neugebore¨ nensceening sind in Deutschland uneinheitlich. Einen Uberblick und Verweise gibt die S¨ ud-Westdeutsche Arbeitsgemeinschaft Neugeborenenscreening (www.sw-ans.de). Zum Schluss dieses Abschnitts soll die Situation eines verwandten Paares diskutiert werden, wenn in beiden Familien keine rezessive Krankheit bekannt ist. Das Risiko f¨ ur ein Kind eines verwandten Paares, an einer rezessiven Krankheit zu erkranken, ist h¨ oher als f¨ ur ein Kind unverwandter Partner, da die Ratsuchenden beide eine Kopie desselben Allels mit einer Krankheitsmutation von einem gemeinsamen Vorfahren ererbt haben k¨onnten. In Abschnitt 2.2.1.5 wurde bereits der Inzuchtkoeffizient F einer Person am Beispiel eines Kindes von Cousin und Cousine 1. Grades eingef¨ uhrt. Bezeichnet q die H¨ aufigkeit des Krankheitsallels, dann ist gem¨aß der Definition von F eine Person mit einer Wahrscheinlichkeit von F · q + (1 − F ) · q 2 betroffen. Im Vergleich zur Populationsh¨ aufigkeit q 2 ist die Krankheitswahrscheinlichkeit daher h¨ oher mit relativem Risiko (s. Abschnitt 1.4.2): RR =

F · q + (1 − F ) · q 2 . q2

RR ist also der Faktor, um den die Krankheitswahrscheinlichkeit eines gemeinsamen Kindes von Partnern mit Inzuchtkoeffizient F h¨oher ist als in der Allgemeinbev¨ olkerung. In Tabelle 6.9 ist der Inzuchtkoeffizient f¨ ur verschiedene Familienkonstellationen gezeigt. Betrachten wir ein Kind von Cousin und Cousine 1. Grades im Vergleich zu einem Kind unverwandter Partner jeweils ohne Familienhistorie f¨ ur die entsprechende Krankheit. Die Wahrscheinlichkeit f¨ ur Mukoviszidose (Allelh¨ aufigkeit 0,026) ist 27/10.000 in Vergleich zu 6,8/10.000. Die Wahrscheinlichkeit f¨ ur die seltenere Phenylketonurie (Allelh¨aufigkeit 0,01) ist 11/10.000 im Vergleich zu 1/10.000 (Allelh¨ aufigkeiten s. Tariverdian und Buselmaier 2004).

300

6. Risikoberechnungen in Familien

Tabelle 6.9. Inzuchtkoeffizient f¨ ur ausgew¨ ahlte Familiensituationen, s. Abschnitt 2.2.1.5.

1/8

1/16

1/64

Die Frage nach der Risikoerh¨ ohung f¨ ur irgendeine schwere, rezessive Erbkrankheit l¨ asst sich nicht allgemein beantworten, da hierzu alle schweren rezessiven Krankheiten und deren Allelh¨ aufigkeiten bekannt sein m¨ ussten. Untersuchungen zu dieser Frage sind in Vogel und Fuhrmann (1975, S.107110) beschrieben. 6.3.3 X-chromosomal rezessive Krankheiten 6.3.3.1 Duchennesche Muskeldystrophie als letale Krankheit

Die Muskeldystrophie vom Typ Duchenne (DMD) ist wegen ihrer hohen Inzidenz von 3 in 10000 Lebendgeburten und des schweren Krankheitsverlaufes ein wichtiges Thema in der genetischen Beratung und Diagnostik. Heterozygote Tr¨ agerinnen eines Krankheitsallels zeigen in der Regel keine Symptome, betroffene Jungen haben keine Nachkommen, die Krankheit ist genetisch letal. Bei dem DMD-Patienten kann die Diagnose meist sicher gestellt werden, und die Identifikation der verursachenden Mutation ist m¨oglich, wenn es sich um eine Deletion oder Duplikation handelt. Die Krankheitsallele bestehen zu 60-70% aus Deletionen, 2-4% Duplikationen und aus Microdeletionen und Punktmutationen (Emery 1993). Das verursachende Gen ist das Dystrophingen auf dem kurzen Arm des X-Chromosoms (s. Abschnitt 1.3.1.5). Neben der Familienstruktur gibt es bei DMD weitere Informationen, die einen statistischen Zusammenhang mit den Genotypen am Dystrophingenort zeigen und daher in der klinischen Routine bei Risikoberechnungen ber¨ ucksichtigt werden m¨ ussen. Diese sind: flankierende und intragenetische Marker, mit deren Hilfe festgestellt werden kann, ob eine Ratsuchende eine Kopie desselben Haplotypen am Dystrophingenort wie der DMD-Kranke tr¨ agt. Weil das Gen sehr groß ist, gibt es sehr viele M¨ oglichkeiten, an welcher Stelle innerhalb des Gens eine krankheitsausl¨ osende Mutation liegen k¨ onnte. Punktmutationen k¨onnen oft nicht gefunden werden. Innerhalb des Gens gibt es aber viele Markerorte, deren Haplotyp bestimmt werden kann. Abh¨angig vom genetischen Abstand benachbarter Marker kann eine Krankheitsmutation durch ein oder mehrere Crossover auf einen anderen Haplotyp transportiert werden. Daher ist der Zusammenhang zwischen dem messbaren Haplotyp und der Krankheitsmutation zufallsbehaftet.

6.3

Monogene Krankheiten

301

Serumkreatininkinasewerte (CK-Werte) bei Frauen, die Hinweise auf den Genotyp der Ratsuchenden am Dystrophingenort liefern, da bei hetero¨ zygoten Ubertr¨ agerinnen im Mittel h¨ ohere CK-Werte vorliegen (Emery 1993, Keller et al. 1996). Tests auf das Vorliegen einer Deletion und eines Normalallels bei Frauen (auch kurz als Heterozygotentests bezeichnet), die zum Beispiel mit der PCR Technik MLPA (mutiplex ligation dependent probe amplification, s. Janssen et al. 2005) durchgef¨ uhrt werden k¨onnen. CK und Heterozygotentests sind besonders wichtig, wenn der Patient nicht f¨ ur molekulargenetische Untersuchungen zur Verf¨ ugung steht. ¨ Damit f¨ ur die Ratsuchenden Ubertr¨ agerinnenwahrscheinlichkeiten berechnet werden k¨ onnen, braucht man Informationen u ¨ ber die a-priori-Wahrscheinlichkeiten in der Population, die wir nun herleiten (s. Tab. 6.10). Wir nehmen vereinfachend an, dass die Neumutationsrate µ bei M¨annern und Frauen gleich ist. Da der Anteil der Kranken unter den m¨annlichen Neugeborenen etwa konstant ist (Emery 1993), ist die Annahme eines Mutations-SelektionsGleichgewichts gerechtfertigt. Dadurch lassen sich die Inzidenz und der Anteil ¨ der heterozygoten Ubertr¨ agerinnen in der Population als Vielfache der Mutationsrate ausdr¨ ucken. Tabelle 6.10. Mutations-Selektions-Gleichgewicht f¨ ur X-chromosomal rezessive, letale

Krankheiten, H: Anteil heterozygoter Frauen, I: Anteil betroffener Jungen, µ: Neumutationsrate.

Heterozygote Frauen H 1/2

betroffene Jungen I

1/2H 2µ 1/2 H + 2µ

1/2H µ 1/2 H + µ

Generation T Transmission

Vererbung Neumutationen Generation T+1

Angenommen, in Generation T gibt es in einer Population den Anteil H von heterozygoten Frauen und I von DMD-Kranken unter Jungen. In der n¨achsten Generation k¨ onnen Jungen DMD entweder bekommen, weil sie mit Wahrscheinlichkeit 1/2 ein Krankheitsallel von einer heterozygoten Mutter ererben, das sind dann insgesamt 1/2 · H, oder weil auf ihrem X-Chromosom im Dystrophingen mit der Wahrscheinlichkeit µ eine neue Krankheitsmutation in der m¨ utterlichen Meiose entsteht. Heterozygote M¨adchen in Generation T +1 haben das Krankheitsallel entweder von ihrer Mutter geerbt, oder auf dem

302

6. Risikoberechnungen in Familien

m¨ utterlichen oder v¨ aterlichen X-Chromosom ist eine Neumutation entstanden. Die Neumutationswahrscheinlichkeit ist 2µ, da sie zwei X-Chromosomen besitzen. Da DMD-Kranke keine Kinder haben, k¨onnen M¨adchen die Krankheitsmutation nicht von ihrem Vater erben. Die Annahme eines MutationsSelektions-Gleichgewichts bedeutet, dass die Rate an Heterozygoten und an betroffenen Jungen sich nicht ver¨ andert. Es gilt also H = 1/2H + 2µ und damit H = 4µ und I = 1/2H + µ = 3µ. Daraus kann man ablesen, dass ohne weitere Informationen in der Familie 1/3 der DMD-F¨alle Neumutationen und 2/3 von der Mutter ererbt worden sind. Eine zuf¨allig gew¨ahlte Frau aus einer ¨ Population ist also mit einer Wahrscheinlichkeit von 4µ Ubertr¨ agerin. Dies verwendet man als a-priori Wahrscheinlichkeit f¨ ur die Risikoberechnungen. In Tabelle 6.11 wird die Berechnung der Heterozygotenwahrscheinlichkeit einer Frau mit einem gesunden und einem DMD-Sohn demonstriert. Tabelle 6.11. Heterozygotenwahrscheinlichkeit f¨ ur die Mutter eines DMD-Sohnes und

eines gesunden Sohnes.

a-priori bedingt gesunder Sohn erkrankter Sohn gem Wahr. a-posteriori

Mutter ist ¨ Ubertr¨ agerin 4µ

Mutter ist nicht ¨ Ubertr¨ agerin 1 − 4µ ≈ 1

1/2 1/2 µ µ/(µ + µ)=1/2

1−µ ≈1 µ µ µ/(µ + µ)=1/2

Weitere Informationen k¨ onnen die allein aufgrund des Stammbaums berech¨ nete Ubertr¨ agerinnenwahrscheinlichkeit ver¨ andern. Wir werden CK-Werte, Markerinformation und Heterozygotentests auf Deletionen einzeln betrachten. CK-Werte: Die Verteilung der Serumkreatininkinasewerte ist bei Nicht¨ uber¨ tr¨ agerinnen (Kontrollen) anders als bei DMD-Ubertr¨ agerinnen (s. Abb. 6.9). ¨ Ubertr¨ agerinnen haben im Mittel h¨ ohere und breiter gestreute Werte als Nicht¨ ubertr¨ agerinnen. F¨ ur die logarithmierten Werte k¨onnen jeweils Normalverteilungen angepasst werden, deren Parameter (Mittelwert, Varianz) von dem verwendeten Messger¨ at abh¨ angig sind. Dar¨ uber hinaus wurde f¨ ur die CK-Verteilungen eine Altersabh¨angigkeit gefunden, das heißt hohe CK-Werte bedeuten f¨ ur ¨altere Frauen eine geringere Heterozygotenwahrscheinlichkeit als f¨ ur j¨ ungere Frauen. Daher wurde nicht ¨ eine Normalverteilung f¨ ur log(CK) f¨ ur alle Ubertr¨ agerinnen sondern jeweils eine pro Altersklasse modelliert (s. Keller et al. 1996). F¨ ur die Risikobe-

6.3

Monogene Krankheiten

303

Wahrscheinlichkeitsdichte

2,0

Kontrollen Überträgerinnen

1,5

1,0

0,5

0

0

0,5

1,0

1,5

2,0

2,5

3,0

log(IU/I)

Abbildung 6.9. Verteilung der log(CK) Werte (Keller et al. 1996), f¨ ur Labore mit

Normbereich 8-126 IU/l. 1

2

I 35 Jahre CK: 80 II

1

2 Abbildung 6.10. DMD-Familie mit CK-Information.

rechnungen lassen sich die log(CK)-Verteilungen direkt verwenden oder, wie wir jetzt zeigen werden, die Odds Ratios (s. Abschnitt 1.4.2), die in Tabelle 6.12 f¨ ur verschiedene Altersklassen und CK-Wert-Klassen aufgelistet sind. Man erh¨ alt sie aus den log(CK) der einzelnen Altersklassen, indem man die ¨ Fl¨ache unter der Kurve aus Abb. 6.9 f¨ ur Ubertr¨ agerinnen u ¨ber dem Intervall auf der X-Achse, in dem der beobachtete Wert liegt, durch die entsprechende Fl¨ ache bei Kontrollen dividiert. Aus Tabelle 6.12 kann abgelesen werden, dass eine 35-j¨ ahrige Frau mit einem CK von 80 2,8 mal wahrscheinlicher ¨ Ubertr¨ agerin ist als Nicht¨ ubertr¨ agerin, w¨ ahrend bei einer 25-j¨ahrigen Frau dieses Verh¨ altnis 8,9 betr¨ agt. Ver¨ andert sich das Messger¨at, muss eine neue Verteilung erstellt werden. Weiß man von der Ratsuchenden aus dem Beispiel in Abb. 6.10 zus¨atzlich, dass sie 35 Jahre alt ist und einen CK-Wert von 80 hat, dann erh¨oht sich ihre Heterozygotenwahrscheinlichkeit auf 74 %, wie die Berechnung in Tabelle 6.13 zeigt. Wir wissen, die Mutter eines DMD-Sohnes ist mit der Wahrscheinlich¨ keit 1/2 Ubertr¨ agerin. Dies ist die a-priori Wahrscheinlichkeit f¨ ur die nach-

304

6. Risikoberechnungen in Familien

¨ Tabelle 6.12. Odds Ratios f¨ ur Ubertr¨ agerinnenstatus in Abh¨ angigkeit vom Alter der Probandin f¨ ur Labore mit Normbereich 8-126 IU/l, *dieser Sch¨ atzwert hat ein breites Konfidenzintervall, da er auf sehr wenigen Beobachtungen beruht (nach Keller et al. 1996).

CK -22 23-29 30-35 36-45 46-56 57-71 72-89 90-112

16-29 0,1 0,2 0,3 0,6 1,2 3,0 8,9 31*

Alter 30-50 0,2 0,2 0,3 0,4 0,6 1,2 2,8 7,3

>50 0,3 0,3 0,3 0,4 0,5 1,0 2,0 4,8

folgenden Berechnungen. Da es in der Bayestabelle nur auf das Verh¨altnis ¨ der Eintr¨ age in den beiden Spalten ankommt, kann in der Ubertr¨ agerinnenspalte direkt das Odds Ratio f¨ ur den beobachteten CK-Wert und f¨ ur Nicht¨ ubertr¨ agerinnen der Wert 1 eingesetzt werden. Markerinformation: In der Familie in Abb. 6.11 sind unter den Personensymbolen zeilenweise die Genotypen von vier Markern eingetragen, die das Dystrophingen u annern ist auf dem X-Chromosom ¨ berdecken. Bei den M¨ jeweils nur ein Allel vorhanden. Person I.2 ist f¨ ur alle Marker heterozygot und tr¨ agt andere Allele als I.1. Das Krankheitsallel D und das Normalallel d k¨onnen nicht direkt unterschieden werden, die Markergenotypen sind jedoch ¨ messbar. I.2 wird mit fast 100%iger Wahrscheinlichkeit als Ubertr¨ agerin betrachtet, da sie zwei DMD-S¨ ohne hatte. Die Markerhaplotypen f¨ ur II.3 ergeben sich aus denen ihres Vaters, die wahrscheinlichsten Haplotypen f¨ ur II.3 ¨ ergeben sich aus denen ihrer Kinder. II.3 kann nur dann Ubertr¨ agerin sein, wenn bei ihren Br¨ udern eine Doppelrekombination zwischen zwei Markern so stattgefunden hat, dass die Mutation auf dem anderen Haplotypen vererbt wurde. Wenn die Marker dicht nebeneinander liegen, ist die Wahrscheinlichkeit hierf¨ ur sehr klein. Wir werden sie nun f¨ ur zwei Marker berechnen. Angenommen zwischen zwei Markern M1 und M2 mit der Rekombinationswahrscheinlichkeit θ liegt eine Krankheitsmutation M und die Rekombinationswahrscheinlichkeit zwischen M1 und M ist θ1 und die zwischen M und M2 ist θ2 . Angenommen die Region ist so klein, dass die Rekombinationsra¨ werden ten additiv sind, d.h. θ1 + θ2 = θ. Bei den folgenden Uberlegungen Mehrfachrekombinationen h¨ oherer Ordnung vernachl¨assigt. Die Wahrscheinlichkeit P , dass es zwischen M1 und M und zwischen M und M2 rekombi1 ·θ2 . Diese niert, die beiden Markerhaplotypen aber gleich bleiben, ist: P = θ1−θ

6.3

Monogene Krankheiten

1

305

2

I 1 1 1 1

32 23 23 32

1

II 3 2 2 3

3

2 3 2 2 3

12 13 13 12

Abbildung 6.11. Stammbaum mit Genotypen von

vier Markern im Dystrophingen.

Tabelle 6.13. Einbeziehung des CK-Wertes f¨ ur die Ratsuchende I.2 in Abb. 6.10 unter

Nutzung von Tab. 6.12.

Mutter ist ¨ Ubertr¨ agerin

Mutter ist ¨ keine Ubertr¨ agerin

a-priori

1/2

1/2

bedingt Mutter CK = 80 U/l, Alter 35 Jahre

2,8

1

gemeinsam

1/2 · 2, 8

1/2

a-posteriori

1/2·2,8 1/2·2,8+1/2

= 0,74

1/2 1/2·2,8+1/2

= 0,26

Wahrscheinlichkeit ist maximal, wenn θ1 und θ2 gleich sind und betr¨agt dann θ2 . Pmax = 4(1−θ) Betr¨ agt die Rekombinationsrate zwischen zwei Markern zum Beispiel 10% und liegt die Krankheitsmutation genau in der Mitte zwischen beiden Markern, dann ist die Wahrscheinlichkeit f¨ ur eine Doppelrekombination etwa 0,07%. Die Typisierung von Markern liefert also wichtige Zusatzinformationen. Nicht immer sind alle Marker informativ. F¨ ur die Personen II.1 und II.2 im Stammbaum in Abb. 6.11 ist der Marker informativ, da die Mutter heterozygot ist und der Vater noch ein anderes Allel tr¨ agt. Im folgenden Beispiel (s. Abb. 6.12 und Tab. 6.14) nehmen wir an, dass am Genende kein informativer Marker gefunden werden konnte. Zwischen dem letzten typisierten Marker und dem Genende sei die Rekombinationsrate θ = 5%. Zur Vereinfachung betrachten wir nur einen Marker. Angenommen die Krankheitsmutation ist direkt am ¨ Genende lokalisiert und II.2 ist mit fast 100% Wahrscheinlichkeit Ubertr¨ agerin, da sie sowohl einen kranken Sohn als auch einen kranken Bruder hat. ¨ Ohne Markerinformationen h¨ atte die Ratsuchende III.2 eine Ubertr¨ agerin-

306

6. Risikoberechnungen in Familien

nenwahrscheinlichkeit von etwa 50%. Diese reduziert sich durch die Markerinformationen auf 9,5%, denn die Ratsuchende tr¨agt nicht dasselbe Allel wie der kranke Bruder (s. Abb. 6.12). Die Eintr¨age in der Bayestabelle 6.14 werden nun im Einzelnen besprochen. 1

I 1

II 3

2

2

3

12 1

2

III 1

32

Abbildung 6.12. Stammbaum mit Markergenotypen.

Tabelle 6.14. Einbeziehung der Markerinformation, Krankheitsallel D, Normalallel d,

Allele am Markerlokus 1,2,3, m¨ ogliche Haplotypen D − 1, D − 2, d − 1, d − 2, d − 3. ¨ C = Carrier = Ubertr¨ agerin, NC = non-carrier = Nicht¨ ubertr¨ agerin.

¨ C (Ubertr¨ agerin) II.2 Haplotyp III.1 DNA III.2

gem.W.

1 D − 1/d − 2 1/2

d − 1/D − 2 1/2

1/2 D−1 1−θ

1/2 D−1 θ

C 1/2 d − 3/D − 2 θ

NC 1/2 d − 3/d − 2 1−θ

C 1/2 d − 3/D − 2 1−θ

1/8(1 − θ)θ

1/8(1 − θ)2

1/8(1 − θ)θ

NC 1/2 d − 3/d − 2 θ 1/8 θ2

Wahrscheinlichkeit III.2(C): 1/4(1 − θ)θ / [1/8(1 − θ)2 + 1/4(1 − θ)θ + 1/8 θ2 ] = 2θ − 2θ2 ≈ 9,5%

Im Stammbaum in Abb. 6.12 sind die Personennummern u ¨ ber den Symbolen notiert, die Markergenotypen darunter. Da M¨anner nur ein X-Chromosom haben, ist hier jeweils nur ein Allel f¨ ur Genort und Marker vorhanden. Da die Mutter II.2 des DMD-Kranken noch einen Bruder mit DMD hat, be¨ trachten wir nur den Fall, dass sie Ubertr¨ agerin ist. Die jeweiligen bedingten Wahrscheinlichkeiten sind in Tab. 6.14 durch Fettdruck hervorgehoben. F¨ ur

6.3

Monogene Krankheiten

307

die Haplotyppaare von II.2 gibt es zwei M¨ oglichkeiten, da ihr Sohn III.1 das Allel D geerbt hat. Die bedingte Wahrscheinlichkeit f¨ ur die beiden m¨oglichen Haplotypen ist jeweils 1/2 unter Annahme von Linkageequilibrium (s. Abschnitt 2.3.1.1 und 4.2.1.2). Falls der Haplotyp D − 1 vorliegt, hat keine Rekombination von II.2 nach III.1 stattgefunden. Die Wahrscheinlichkeit hierf¨ ur ist 1 − θ. Andernfalls muss eine Rekombination stattgefunden haben, dieses Ereignis hat die Wahrscheinlichkeit θ. Nun m¨ ussen jeweils noch die M¨oglichkeiten f¨ ur III.2 betrachtet werden. Der v¨aterliche Haplotyp ist d − 3. ¨ Falls II.2 den Haplotyp d − 2 tr¨ agt, kann III.2 nur Ubertr¨ agerin (C = car¨ rier) sein, wenn es rekombiniert hat. Ist sie keine Ubertr¨ agerin (NC = non carrier), hat es nicht rekombiniert. Falls II.2 den Haplotyp d − 1 tr¨agt, liegt die umgekehrte Situation vor: Rekombination, falls III.2 Nicht¨ ubertr¨agerin ¨ ist, und keine Rekombination, falls sie Ubertr¨ agerin ist. Die gemeinsamen Wahrscheinlichkeiten erh¨ alt man durch spaltenweise Multiplikation. Die Si¨ tuationen, in der die Ratsuchende Ubertr¨ agerin ist, sind farbig markiert, ihre a-posteriori Wahrscheinlichkeit erh¨ alt man wieder durch die Normierung. Obwohl die Ratsuchende III.2 nicht das gleiche Markerallel von ihrer Mutter ¨ geerbt hat wie ihr kranker Bruder, ist ihre Ubertr¨ agerinnenwahrscheinlichkeit mit fast 10% relativ hoch, denn sie k¨ onnte in zwei verschiedenen Situationen ¨ Ubertr¨ agerin sein. Entweder liegt die Krankheitsmutation bei ihrer Mutter mit dem Markerallel 1 auf einem Haplotyp, und es hat bei III.2 zwischen Krankheitsmutation und Marker rekombiniert, oder die Krankheitsmutation liegt bei der Mutter mit dem Markerallel 2 auf einem Haplotyp und es hat bei III.1 rekombiniert. Heterozygotentest: Wenn in einer Familie der DMD-Kranke nicht untersucht werden kann, ist man weder in der Lage, die verursachende Ver¨anderung im Labor zu finden noch den Risikohaplotyp zu bestimmen. In solchen Situationen werden Heterozygotentests auf Deletionen eingesetzt. Findet man bei einer Frau eine Deletion, so kann bei ihren Nachkommen sicher festgestellt werden, ob sie betroffen sind. Ein negatives Testresultat erfordert allerdings eine differenziertere Betrachtung der genetischen Zusammenh¨ange, bevor es in die Berechnungen einbezogen werden kann. Das einfache genetische Modell passt nicht, wenn man Deletionen und Punktmutationen getrennt betrachten will. Neumutationsraten im Dystrophingen sind f¨ ur Deletionen und f¨ ur Punktmutationen bei M¨ annern und bei Frauen verschieden. Es hat sich gezeigt, dass Punktmutationen u ¨ berwiegend in der Spermatogenese und Deletionen mehrheitlich in der Oogenese entstehen. Diese Erkenntnis beeinflusst die Interpretation eines negativen Testergebnisses der Mutter eines bereits verstorbenen DMD-Sohnes. Es weist einerseits auf eine de novo Deletion andererseits auf eine Punktmutation beim Betroffenen hin. Punktmutatio-

308

6. Risikoberechnungen in Familien

nen entstehen jedoch mehrheitlich in m¨ annlichen Meiosen, in diesem Fall beim Großvater des Betroffenen, oder aber die Großmutter war selbst schon ¨ Ubertr¨ agerin. Modellerweiterung: In einem erweiterten genetischen Modell m¨ ussen je nach Mutationstyp und Geschlecht unterschiedliche Neumutationsraten und zus¨ atzlich Keimzellmosaike (s. Abschnitt 1.3.2) vorgesehen werden. Letztere sind offenbar bei Duchennescher Muskeldystrophie ein relativ h¨aufiges Ph¨anomen. Hinweise auf Keimzellmosaike ergeben sich bei Familien, in denen es zwei an DMD erkrankte S¨ ohne mit der gleichen Deletion gibt, die bei der Mutter jedoch nicht gefunden wird. In Stammb¨aumen wie in Abb. 6.13 ist es entscheidend, ob man die Existenz von Keimzellmosaiken annimmt oder nicht. Eine Studie ergab, dass mindestens 10% der f¨ ur sporadisch gehaltenen F¨ alle auf m¨ utterliche Keimzellmosaike zur¨ uckzuf¨ uhren sind (Barbujani et al. 1990). Wir haben beide Ph¨ anomene in ein umfassendes Modell eingearbeitet, 1

2

I H2

H1H3 2

1

3

II

Abbildung 6.13. Gesunder und kranker Bruder H3

H3

H2H3

tragen denselben Haplotyp im Dystrophingen.

das hier nicht genauer dargestellt werden kann (Fischer et al. 2006). Aus der Anwendung des differenzierteren Modells k¨ onnen folgende Schl¨ usse gezogen werden: Da Punktmutationen bevorzugt bei M¨annern auftreten, reduzieren negative Deletionstestergebnisse das Risiko weniger, als zuvor erwartet wurde. Tabelle 6.15 zeigt die Konsequenzen eines Deletionstests in der einfachsten Familiensituation unter Vernachl¨ assigung von Keimzellmosaiken. F¨ ur die Berechnungen wurden folgende Werte f¨ ur die Inzidenz I, f¨ ur das Verh¨altnis von ur das Verh¨altnis Deletionen zu Punktmutationen unter den Kranken Qdp , f¨ von m¨ annlicher zu weiblicher Neumutationsrate bei Punktmutationen kp und ur die Sensitivit¨ at der Deletionsscreeningmethode bei Deletionen kd , sowie f¨ Sd angenommen: I = 10−4 , Qdp = 1, 5, kp = 40, kd = 0, 3, Sd = 90% und Spezifit¨ at 100%. d bezeichnet das Normalallel, D das Deletionsallel, P das Punktmutationsallel und Del- das negative Testergebnis. d-d heißt, die Mutter hat zwei normale Allele am Dystrophingenort, d-P heißt, sie ist heterozygote ¨ Ubertr¨ agerin und der Typ der Krankheitsmutation ist eine Punktmutation. Die Rechnungen wurden mit dem Programm RISCALW (Fischer et al. 2006) durchgef¨ uhrt. Der negative Deletionstest (Del-) reduziert die Wahrscheinlichkeit f¨ ur den Genotyp d-D, die Wahrscheinlichkeit f¨ ur den Haplotyp d-P bei

6.3

Monogene Krankheiten

309

der Mutter wird h¨ oher. Insgesamt hat sich die Heterozygotenwahrscheinlichkeit durch den negativen Deletionstest auf 51% verringert, ein weiterer Sohn hat eine Krankheitswahrscheinlichkeit von 25,5%. Tabelle 6.15. Einfluss eines negativen Deletionstests auf die Genotypwahrscheinlichkeiten

f¨ ur die Mutter eines DMD-Patienten am Dystrophingenort.

d-d

d-D

Genotypen d-P d-D oder d-P

34%

34%

32%

66%

49%

5%

46%

51%

Del-

Rechnungen unter Annahme von Keimzellmosaiken f¨ uhren grunds¨atzlich in allen Stammb¨ aumen zu h¨ oheren Krankheitswahrscheinlichkeiten. Dieser Unterschied ist bei manchen Familienkonstellationen erheblich. Da z.B. der gesunde Bruder der in Abb. 6.13 dargestellten Familie den gleichen Haplotyp wie der Kranke tr¨ agt, w¨ urde man ohne Keimzellmosaike von einer Neumutation bei dem Kranken ausgehen und die Mutter w¨are mit einer Wahrschein¨ ¨ lichkeit von fast 100% keine Ubertr¨ agerin. Daher l¨age das Ubertr¨ agerinnenrisiko ihrer Tochter auf Populationsniveau. Unter plausiblen Annahmen u ¨ber Keimzellmosaike betr¨ agt es jedoch mehrere Prozent (Fischer et al. 2006). In der Literatur finden sich verschiedene Sch¨ atzungen f¨ ur die Gr¨oßenordnung von Keimzellmosaiken, wenn bei der Mutter eines DMD-Kranken die bei ihm vorhandene Krankheitsmutation in Lymphozyten nicht gefunden werden kann. Die Krankheitswahrscheinlichkeit f¨ ur einen Bruder mit demselben Haplotyp betr¨ agt bedingt durch ein m¨ utterliches Keimzellmosaik etwa 14% (Bakker et al. 1989). 6.3.3.2 Nichtletale Krankheiten

Bei letalen X-chromosomal rezessiven Krankheiten haben Betroffene keine Nachkommen. Bei nichtletalen X-chromosomal rezessiven Krankheiten wie Becker’scher Muskeldystrophie oder H¨ amophilie k¨onnen Betroffene Kinder haben, aber man geht von einer reduzierten Fitness Fit aus. Hieraus ergibt sich ein anderes Mutations-Selektions-Gleichgewicht und damit andere a-priori Wahrscheinlichkeiten als im einfacheren Modell bei DMD. Eine ¨ Ratsuchende kann aus den folgenden Gr¨ unden Ubertr¨ agerin sein:

310

6. Risikoberechnungen in Familien

¨ ihre Mutter ist Ubertr¨ agerin ihr Vater ist betroffen eine Neumutation entstand in m¨ utterlicher (Mutationsrate µ) oder v¨aterlicher Meiose (Mutationsrate ν). Aus den nun folgenden Gleichgewichts¨ uberlegungen (s. Tab. 6.16) berechnet man in der Population die Heterozygotenrate von (2µ+2ν+2F it·µ)/(1−F it). Diese Wahrscheinlichkeit wird als a-priori Wahrscheinlichkeit bei Risisikoberechnungen in Familien benutzt. Der Fall, dass eine Frau zwei Krankheitsmutationen tr¨ agt, wird wegen seiner geringen Wahrscheinlichkeit wieder vernachl¨ assigt. Tabelle 6.16. Mutations-Selektions-Gleichgewicht f¨ ur X-chromosomal rezessive

Krankheiten mit reduzierter Fitness (Fit).

Heterozygote

betroffene Jungen

H

I

Generation T

1/2

Fit

Transmission

1/2 · H + F it · I

1/2 · H

Vererbung

µ+ ν

µ

Neumutationen

1/2 · H + F it · I + µ + ν

1/2 · H + µ

Generation T+1

In der Generation T+1 sind Jungen entweder krank, weil sie das Krankheitsallel von ihrer Mutter geerbt haben, oder weil eine Neumutation in der ¨ m¨ utterlichen Meiose stattgefunden hat. M¨ adchen sind Ubertr¨ agerinnen, weil es entweder in der v¨ aterlichen Meiose oder in der m¨ utterlichen Meiose zu einer Neumutation kam oder weil das Allel von der Mutter oder vom Vater geerbt wurde. Letzteres geschieht wegen der reduzierten Fitness mit Wahrscheinlichkeit 1-Fit. Aus der Gleichgewichtsannahme folgt: H = 1/2 · H + F it · I + µ + ν

und

I = 1/2 · H + µ.

Durch Einsetzen und Umformen erh¨ alt man H=

2µ + 2ν + 2F it · µ 1 − F it

und

I=

2µ + ν 1 − F it

6.4

Brust- und Eierstockkrebs

311

6.4 Brust- und Eierstockkrebs Brust- und Eierstockkrebs (BC breastcancer, OC ovarian cancer) sind Beispiele f¨ ur eine genetisch komplexe Krankheit mit monogenen Sonderformen. Vorbereitet von Segregationsanalysen (s. Kap. 3) und Kopplungsanalysen (s. Kap. 4) konnten die Gene BRCA1 (Miki et al. 1994) und BRCA2 (Wooster et al. 1995) entdeckt werden. Man sch¨ atzt, dass etwa 5% der Brustkrebsf¨alle von BRCA1/2 verursacht werden (Claus et al. 1991). Tr¨agerinnen von Mutationen in diesen Genen haben eine deutlich gr¨oßere Wahrscheinlichkeit als die Allgemeinbev¨ olkerung, an BC oder OC zu erkranken. Zusammen mit den M¨ oglichkeiten eines Mutationsscreenings in den beiden Genen hat dies zu einer erh¨ ohten Nachfrage an genetischer Beratung und Risikosch¨atzung in Familien mit Brust- oder Eierstockkrebs gef¨ uhrt. Die Sch¨ atzung der Wahrscheinlichkeit f¨ ur eine Krankheitsmutation in BRCA1 oder BRCA2 dient zur Orientierung in der genetischen Beratung und als Basis f¨ ur die Entscheidung, ob molekulargenetische Tests durchgef¨ uhrt werden sollten und ob die Ratsuchenden an speziellen Vorsorgeprogrammen teilnehmen k¨ onnen. Die Sch¨ atzung der Erkrankungswahrscheinlichkeit f¨ ur BC und OC ist sowohl f¨ ur Mutationstr¨ agerinnen wichtig als auch f¨ ur Ratsuchende, bei denen kein molekulargenetischer Test durchgef¨ uhrt wurde oder bei denen der Test negativ ist. F¨ ur die Ermittlung der Heterozygoten- und Krankheitswahrscheinlichkeit sind mehrere Ans¨ atze entwickelt worden. Sie lassen sich in sogenannte empirische und genetische Methoden einteilen (Evans et al. 2004). Bei empirischen Methoden fließen keine Annahmen u ¨ ber ein genetisches Modell der Krankheit ein und die Familienvorgeschichte wird in zusammengefasster Form ber¨ ucksichtigt. Die Alternative besteht darin, die Vorhersagen auf einem genetischen Modell der Krankheit basieren zu lassen. Zur Sch¨atzung eines genetischen Modells f¨ ur Brust- und Ovarialkrebs wurden verschiedene Segregationsanalysen durchgef¨ uhrt, deren Ergebnisse wir zusammenfassen. 6.4.1 Ergebnisse von Segregationsanalysen

Die Segregationsanalyse, die zum Ein-Gen-Modell f¨ uhrte, ist in Abschnitt 3.4.5 ausf¨ uhrlich dargestellt. Das erste auf der CASH Studie (Cancer and Steroid Hormone Study) basierende Modell geht von der Existenz eines disponierenden Gens aus, dessen Krankheitsmutationen autosomal dominant wirken und alters- und geschlechtsabh¨ angige Penetranzen haben, die vom Typ der Krankheitsmutation unabh¨ angig sind (Claus et al. 1991). Parameter dieses Modells sind die Allelh¨ aufigkeiten der Krankheitsmutation sowie die Penetranzkurven f¨ ur Mutationstr¨ agerinnen und Personen, die zwei Normalallele tragen. Die BC-Krankheitswahrscheinlichkeit f¨ ur Mutationstr¨agerinnen

6.4

312

6. Risikoberechnungen in Familien

bis zum Alter von 80 Jahren wurde in diesem Modell auf 89% und die Allelh¨ aufigkeit der Krankheitsmutation auf 0,3% gesch¨atzt. In anderen kleineren Studien wurden ebenfalls Penetranzsch¨ atzungen im Ein-Gen-Modell f¨ ur Brust- und Eierstockkrebs vorgenommen (Easton et al. 1995, Narod et al. 1995, Whittemore et al. 1997). 6.4.1.1 Zwei-Gen-Modell

Nach der Entdeckung von BRCA1 stellte sich heraus, dass die famili¨are H¨aufung von BC und OC nicht durch dieses Gen allein erkl¨art werden konnte, und es wurde ein Modell mit zwei dominant wirkenden Genen und dessen Parameter gesch¨atzt. Es besteht aus Allelh¨ aufigkeiten f¨ ur Krankheitsmutationen in BRCA1 und BRCA2 sowie den Penetranzen in Abh¨angigkeit vom Alter f¨ ur BRCA1 Heterozygote und BRCA2 Heterozygote f¨ ur BC und OC. ¨ Tabelle 6.17 gibt eine Ubersicht der Ergebnisse aus verschiedenen Studien. Die Spalten 2 bis 5 beruhen auf dem Zwei-Gen-Modell, Spalte 1 auf einem Zwei-Gen-Modell mit polygener Komponente, auf das im folgenden Abschnitt eingegangen wird. In einer Metaanalyse (Spalte 3) wurde der bisher gr¨oßte Datensatz aus 22 Studien mit u ¨ber 8000 Indexpatienten (86% BC, 2% m¨annl. BC, 12% OC) analysiert. Die einzelnen Studien sind zum Teil in die Metaanalyse eingeflossen. Spalte 5 basiert auf einer Stichprobe mit einem hohen Anteil an Aschkenasim-Familien. In dieser Gruppe von Juden osteurop¨aischer Herkunft gibt es starke Gr¨ undereffekte. 6.4.1.2 BOADICEA-Modell

Auch BRCA1 und BRCA2 k¨ onnen die famili¨are H¨aufung nicht vollst¨andig erkl¨ aren. In einer Segregationsanalyse auf der Basis unselektierter BC und OC Familien wurde gezeigt, dass bei Ausschluss von BRCA1 und BRCA2 die famili¨ are H¨ aufung von F¨ allen durch ein drittes, rezessiv wirkendes Gen mit einer H¨ aufigkeit von 24% und einer BC-Penetranz von 42% bis zum Alter von 70 oder ebenso gut durch eine zus¨ atzliche polygene Komponente im Modell erkl¨ art werden kann (Antoniou et al. 2001; Antoniou et al. 2002). Aus diesen Untersuchungen entstand das BOADICEA- Modell (Breast and Ovarian Analysis of Disease Incidence and Cancer Estimation Algorithm, Antoniou et al. 2004). Die Gene BRCA1 und BRCA2 werden als dominant wirkende Gene mit Penetranzen und Allelh¨ aufigkeiten wie in Tabelle 6.17, Spalte 1, modelliert. Der zusammengefasste Effekt X aller anderen beteiligten Gene wirkt multiplikativ auf die Brustkrebshazards (s. Abschnitt 1.4.4) λk (t) einer Frau mit dem Genotyp k im Alter t. Es gilt dann λk (t) = λk,0 (t) · exp(X). Dabei bezeichnet k = 0,1,2 die genotypischen Zust¨ ande kein, ein, zwei disponierende Allele D an einem der beiden Genorte. Der Fall, dass bei BRCA1 und BRCA2 je ein disponierendes Allel vorliegt oder bei einem Gen zwei dispo-

6.4

Brust- und Eierstockkrebs

313

Tabelle 6.17. Sch¨ atzungen der Allelh¨ aufigkeiten und der Penetranzen mit 95%

Konfidenzintervallen soweit in den Originalarbeiten vorhanden; Notation in Prozent, Penetranzen sind auf ganze Prozente gerundet. Studie

1

2

3

4

5

BRCA1-Mutationstr¨ agerinnen Allelh¨ aufigkeit

0,051 (0,021-0,125)

0,128 (0,080-0,180)

kumulative BC Wahrscheinlichkeit −39

13

21 ( 1−42)

12 ( 7−15)

13 ( 10−18)

40−49

26

34 ( 17−60)

38 ( 31−45)

27 ( 20−34)

39 ( 31−47)

50−59

32

49 ( 23−82)

53 ( 43−62)

35 ( 24−46)

58 ( 48−68)

60−69

35

50 ( 26−82)

65 ( 51−75)

39 ( 27−52)

69 ( 59−79)

21 ( 15−27)

kumulative OC Wahrscheinlichkeit 30−39

0

10 ( 0−29)

2 ( 0− 4)

7 ( 2−10)

3 ( 1− 5)

40−49

11

21 ( 8−47)

13 ( 8−18)

14 ( 7−22)

21 ( 13−29)

50−59

18

61 ( 31−90)

22 ( 13−30)

28 ( 14−41)

40 ( 30−50)

60−69

26

68 ( 36−94)

39 ( 22−51)

43 ( 21−66)

46 ( 34−58)

BRCA2-Mutationstr¨ agerinnen Allelh¨ aufigkeit

0,068 (0,033-0,140)

0,172 (0,120-0,220)

kumulative BC Wahrscheinlichkeit −39

8

8

6 ( 3− 9)

11 ( 8−17)

17 ( 7−27)

40−49

21

18

16 ( 11−21)

26 ( 18−34)

34 ( 2−48)

50−59

35

36

31 ( 22−38)

38 ( 25−49)

48 ( 32−64)

60−69

50

71

45 ( 33−54)

44 ( 29−58)

74 ( 56−92)

1 ( 0− 2)

2 ( 0−59)

kumulative OC Wahrscheinlichkeit −39

0

0

40−49

1

1

1 ( 0− 3)

3 ( 0− 7)

2 ( 0−59)

50−59

5

12

8 ( 3−12)

8 ( 2−14)

6 ( 0−16)

60−69

9

31

11 ( 4−18)

15 ( 3−26)

12 ( 0−26)

1 Antoniou et al. 2002 BRCA1/2 + polygene Komponente f¨ ur BC 2 Antoniou et al. 2000 BRCA1 aus Tab.VIII, BRCA2 abgelesen aus Fig.1 3 Antoniou et al. 2003 Metaanalyse, pers. Mitteilung 4 Marroni et al. 2004 5 King et al. 2003 hoher Anteil von Aschkenasim-Familien

314

6. Risikoberechnungen in Familien

nierende Allele vorliegen, wird vernachl¨ assigt. Die Zufallsvariable X wird als normalverteilt mit Mittelwert 0 und einer Standardabweichung von 1,67 angenommen. F¨ ur Ovarialkrebs passte bei den gegebenen Daten das Modell ohne polygene Komponente am besten. Die altersabh¨angigen Inzidenzen wurden so gesch¨ atzt, dass sie insgesamt mit den Inzidenzen in der Population in England und Wales u ¨bereinstimmen. Die polygene Komponente h¨angt in diesem Modell nicht vom Tr¨ agerinnenstatus an BRCA1/2 ab. Das heißt, Tr¨agerinnen einer Mutation haben je nach Familiensituation ein andere Krankheitswahrscheinlichkeit. Die Krankheitswahrscheinlichkeit einer gesunden 40-j¨ahrigen Mutationstr¨ agerin bis zum Alter von 60 Jahren ist etwa 30%, wenn nichts u ¨ ber ihre Familie bekannt ist. Sind jedoch ihre zwei Schwestern im Alter von 45 und 50 sowie ihre Mutter im Alter von 40 an BC erkrankt, betr¨agt ihre BC-Krankheitswahrscheinlichkeit bis zum Alter von 60 etwa 55% (Antoniou et al. 2004). Wenn in Wahrheit eine polygene Komponente existiert, dann sind die Penetranzsch¨ atzungen f¨ ur BRCA1/2 und Brustkrebs im ZweiGen-Modell zu hoch, da hier die famili¨ are H¨ aufung aufgrund der polygenen Komponente diesen beiden Brustkrebsgenen zugerechnet wurde. 6.4.1.3 Variabilit¨ at bei den Sch¨ atzungen der Modellparameter

Die Unterschiede zwischen den Penetranzsch¨ atzungen und den Sch¨atzungen der Allelh¨ aufigkeit sind nicht u ¨ berraschend, denn die einzelnen Studien basieren auf Stichproben aus verschiedenen Populationen, in denen Allelh¨aufigkeiten verschieden sind und in denen m¨ oglicherweise andere Mutationen eine Rolle spielen k¨ onnten (s. Spalten 3, 5 von Tabelle 6.17). M¨oglicherweise findet man in Familien mit mehreren F¨ allen eine Anh¨aufung der Krankheitsmutationen mit h¨ oherer Penetranz, daher sind Unterschiede zwischen populationsbasierten Studien und Studien auf der Basis großer Familien mit mehreren F¨ allen zu erwarten. Bei Segregationsanalysen auf der Basis großer Familien beobachtet man trotz Ber¨ ucksichtigung der Familienauswahl h¨ohere Sch¨ atzungen f¨ ur die Allelh¨ aufigkeiten. 6.4.2 Sch¨ atzung der Heterozygotenwahrscheinlichkeit

Bei empirischen Methoden fließen keine Annahmen u ¨ber ein genetisches Modell der Krankheit ein, genetische Methoden setzen ein genetisches Modell und damit eine Segregationsanalyse voraus. 6.4.2.1 Empirische Methoden

Durch den Vergleich von Familien mit und ohne BRCA1/2 Mutationstr¨agerinnen wurden Risikoscores entwickelt (Frank et al. 2002; Evans et al. 2004). Beispielsweise werden bei dem anhand einer Stichprobe von 422 Familien aus Nordwestengland entwickelten Manchester-Score (Evans et al. 2004) f¨ ur

6.4

Brust- und Eierstockkrebs

315

eine Ratsuchende Punkte f¨ ur BRCA1 und BRCA2 vergeben, je nachdem, ob und in welchem Alter sie oder Vorfahren in direkter Linie Brustkrebs, Eierstockkrebs, Pankreaskrebs oder Prostatakrebs hatten. Die Heterozygotenwahrscheinlichkeit f¨ ur jedes der beiden Gene wird anschließend aus einer Tabelle abgelesen. Die Firma Myriad, die den Test f¨ ur BRCA1/2 Mutationen entwickelt hat und in USA exklusiv anwendet, stellt auf ihrer Webseite (www.myriadtests.com/ provider/mutprevo.htm/) Mutationspr¨ avalenztabellen vor, die regelm¨aßig aktualisiert werden. Sie basieren auf allen dort durchgef¨ uhrten molekulargenetischen Tests und sind nach Patientengeschichte und Familiengeschichte in zusammengefasster Form stratifiziert. In der Version vom Fr¨ uhling 2006 liegen der Tabelle f¨ ur Individuen ohne Aschkenasim-Vorfahren rund 49000 Tests zugrunde (Frank et al. 2002). Nach dieser Tabelle hat eine gesunde Frau, in deren Familie ein BC Fall bei Frauen unter 50 Jahren aufgetreten ist, eine BRCA1/2 Heterozygotenwahrscheinlichkeit von etwa 8,7%. 6.4.2.2 Genetische Methoden

Ausgehend von einem genetischen Modell l¨ asst sich die Heterozygotenwahrscheinlichkeit nach der Bayesschen Formel berechnen: P (het1|F am) = =

P (het1, F am) P (F am) P (het1, F am) . P (het1, F am) + P (het2, F am) + P (nicht het1/2, F am)

Dabei bezeichnet het1/2 Heterozygotie an BRCA1/2 und Fam die Familiensituation. Im Ein-Gen-Modell treten die Anteile anderer Gene im Nenner der Formel nicht auf. Bei den genetischen Methoden wird der konkrete Stammbaum einbezogen. F¨ ur jede Person ist das Alter wichtig, bei BC/OC das Ersterkrankungsalter bzw. das Alter, in dem sie noch gesund ist. Obwohl wir wissen, dass das EinGen-Modell falsch ist, kann es als Entscheidungsgrundlage f¨ ur einen molekulargenetischen Test gut genug sein, um die Wahrscheinlichkeit zu berechnen, dass eine Person an BRCA1 oder BRCA2 heterozygot ist.

40

Abbildung 6.14. Ratsuchende mit drei Verwandten 1.

25

35

42

Grades mit BC unter 50 Jahre.

316

6. Risikoberechnungen in Familien

Die 25-j¨ ahrige Ratsuchende in Abb. 6.14 hat nach den Myriad-Tabellen eine Heterozygotenwahrscheinlichkeit von etwa 9%, durch Annahme des ZweiGen-Modells und Ber¨ ucksichtigung der gesamten Familiensituation ergibt sich eine viel h¨ ohere Heterozygotenwahrscheinlichkeit von 45% (berechnet mit BRCAPRO, Berry et al. 2002). 6.4.3 Vergleichende Untersuchungen

Grunds¨ atzlich muss der Vergleich von Techniken zur Berechnung der Heterozygotenwahrscheinlichkeit anhand einer unabh¨angigen Stichprobe erfolgen und nicht anhand der Stichprobe, die zur Entwicklung eines der Modelle ¨ benutzt wurde, da Uberanpassungseffekte das Ergebnis verzerren w¨ urden. Man verwendet Standardmethoden zum Vergleich diagnostischer Tests. Mittels eines Chiquadrattests k¨ onnen die jeweils erwarteten mit den tats¨achlich beobachteten Heterozygoten verglichen werden. Dabei ergibt die Summe der Heterozygotenwahrscheinlichkeiten u ¨ ber alle getesteten Personen die erwartete Anzahl von Heterozygoten. Sensitivit¨at und Spezifit¨at der Hetero¨ zygotenvorhersage sind von einer gesetzten Referenzgrenze abh¨angig. Ublicherweise werden Sensitivit¨ at und 1-Spezifit¨ at bei verschiedenen Schwellenwerten in einer Receiver-Operator-Charakteristik (ROC-Kurve) dargestellt. Dies bedeutet hier: F¨ ur einen Schwellenwert H ∗ bei der Heterozygotenwahrscheinlichkeit und eine Methode Mi zur Berechnung der Heterozygotenwahrscheinlichkeit werden Sensitivit¨ at und Spezifit¨at ermittelt. Die Sensitivit¨at ur wieviele von den wirklich HeterozySens(Mi , H ∗ ) der Methode besagt, f¨ goten mit dem Verfahren eine Heterozygotenwahrscheinlichkeit von mehr als at Spez(Mi , H ∗ ) ist der Anteil derjenigen, f¨ ur H ∗ berechnet wird. Die Spezifit¨ die eine Heterozygotenwahrscheinlichkeit von weniger als H ∗ berechnet wird unter den Nichtheterozygoten. F¨ ur alle m¨ oglichen Schwellenwerte H ∗ tr¨agt man die Werte von Sensitivit¨ at und 1-Spezifit¨ at auf und erh¨alt so die entsprechende ROC-Kurve. Sie wird f¨ ur die Untersuchung einzelner Testverfahren oder zum Vergleich mehrerer Tests eingesetzt. Ein Beispiel einer ROC-Kurve angig f¨ ur alle gew¨ahlten Schwellenist in Abb. 6.15 dargestellt. M1 ist durchg¨ werte besser als M2 , da ihre ROC-Kurve immer oberhalb der anderen liegt. In mehreren Untersuchungen wurden Verfahren anhand ihrer Vorhersagegenauigkeit von BRCA1/2 Mutationen verglichen (Amir et al. 2003, Marroni et al. 2004, Antoniou et al. 2005, Barcenas et al. 2006, James et al. 2006). W¨ ahlt man als Grenzwert f¨ ur die molekulargenetische Testung 10%, dann haben BRCAPRO, BOADICEA und die Myriad Tabellen ¨ahnliche Werte f¨ ur die Kombination von Sensitivit¨ at und Spezifit¨at. H¨aufiger wird berichtet, dass bei den genetischen Verfahren kleine Wahrscheinlichkeiten unterund große Wahrscheinlichkeiten u atzt werden. Die Einbeziehung von ¨ bersch¨ mehr als zweitgradig entfernten Verwandten ist in BOADICEA im Gegensatz

6.4

Brust- und Eierstockkrebs

317

Sensitivität

1.0

0,8 M1 M2

0,6

0,4

0,2

0

0

0,2

0,4

0,6

0,8

1

1ŦSpezifität

Abbildung 6.15. Beispiel f¨ ur ROC-Kurven zum Vergleich zweier Methoden zur Sch¨ atzung

der Heterozygotenwahrscheinlichkeit.

zu BRCAPRO m¨ oglich, erbringt aber nur wenig Verbesserung. Eine bessere Anpassung ist m¨ oglicherweise durch die Einbeziehung von Informationen u ¨ber das Auftreten anderer Tumore in der Familie (z.B. Pankreaskrebs) oder Charakteristika des Tumors (Histologie, Hormonrezeptorstatus) zu erreichen, dies ist bei den meisten Verfahren noch nicht umgesetzt. In der praktischen Handhabung sind empirische Methoden meist leichter zu benutzen, da die einzelnen Stammb¨ aume nicht ausf¨ uhrlich eingegeben werden m¨ ussen. 6.4.4 Sch¨ atzung der Krankheitswahrscheinlichkeit 6.4.4.1 Gail-Modell

Dies ist ein empirisches Modell, mit dem die Krankheitswahrscheinlichkeit gesch¨ atzt werden kann. Es wurde anhand einer Studie von 2800 F¨allen und 2100 Kontrollen mit logistischer Regression entwickelt, in die das Alter der Ratsuchenden, ihr Alter bei der ersten Menstruation, die Anzahl der durchgef¨ uhrten Brustbiopsien, das Alter bei der Geburt des ersten Kindes und die Anzahl der Verwandten 1. Grades mit Brustkrebs einbezogen wurden (Gail et al. 1989). Andere nichtgenetische Risikofaktoren wie Alkoholkonsum und Hormoneinnahme wurden nicht ber¨ ucksichtigt (Pickle und Johnson 1989). 6.4.4.2 Risikotabellen

Auf der Basis der CASH-Studie wurde das erste genetische Modell gesch¨atzt und Tabellen zum Ablesen der BC-Krankheitswahrscheinlichkeit publiziert (Claus et al. 1994) und f¨ ur andere Populationen modifiziert (Chang-Claude et al. 1995; Becher und Chang-Claude 1996). Aus diesen Tabellen l¨asst sich die kumulative Krankheitswahrscheinlichkeit in Abh¨angigkeit von Ersterkran-

318

6. Risikoberechnungen in Familien

kungsalter und Verwandtschaftsgrad von bis zu zwei Verwandten 1. oder 2. Grades ablesen. Die Ratsuchende II.2 in Abb. 6.16 ist 55 Jahre alt. Ihre Mutter bekam Brustkrebs im Alter von 35 Jahren und ihre Schwester im Alter von 45 Jahren. Sie m¨ ochte wissen, mit welcher Wahrscheinlichkeit sie im weiteren Verlauf ihres Lebens an Brustkrebs erkrankt. ur Brustkrebs bei einer gesunden Frau, deren Die gesch¨ atzte Penetranz PBC f¨ eine Angeh¨ orige 1. Grades zwischen 30 und 39 Jahren und deren andere Angeh¨ orige 1. Grades zwischen 40 und 49 Jahren an Brustkrebs erkrankte, ist in Tabelle 6.18 aufgef¨ uhrt (Chang-Claude et al. 1995). Die Tatsache, dass sie mit 55 Jahren noch gesund ist, muss als Bedingung ber¨ ucksichtigt werden, denn in der Tabelle ist die Lebenszeitpenetranz eingetragen. Zur Abk¨ urzung verwenden wir die folgenden Bezeichungen: A: krank bis zum Alter von 79 Jahren, K: krank bis zum Alter von 55, K: gesund im Alter von 55, P(Ratsuchende erkrankt im weiteren Leben bis zum Alter von 79 an BC)= PBC (A|K). Es gilt analog zur Berechnung bei autosomal dominanten Krankheiten mit altersabh¨ angiger Penetranz (s. Abschnitt 6.3.1): PBC (A|K) =

0, 394 − 0, 221 PBC (A) − PBC (K) PBC (A und K) = = 0, 22 = 1 − PBC (K) 1 − 0, 221 PBC (K)

35

45

55

Abbildung 6.16. Ratsuchende, deren Mutter mit 35 Jahren

und deren Schwester mit 45 Jahren an Brustkrebs erkrankten.

Tabelle 6.18. Brustkrebswahrscheinlichkeit f¨ ur gesunde Ratsuchende mit zwei an BC

erkrankten Verwandten 1. Grades, eine zwischen 30-39, die andere zwischen 40-49 Jahren.

Alter PBC

20-29 0,006

30-39 0,056

40-49 0,148

50-59 0,221

60-69 0,281

70-79 0,394

6.4.4.3 Nutzung der Heterozygotenwahrscheinlichkeit

Die Krankheitswahrscheinlichkeit l¨ asst sich mithilfe des hier schon oft verwendeten Satzes von der totalen Wahrscheinlichkeit (s. Abschnitt 1.2.4, Gl. 1.1) aus den Genotypwahrscheinlichkeiten und den altersabh¨angigen Penetranzen berechnen. Eine gesunde Ratsuchende im Alter X erkrankt bis zum Alter Y

6.5

Ausblick

319

mit folgender Wahrscheinlichkeit an Brustkrebs: P (BC bis Y |F am, X) = g

 f (Y |g) − f (X|g) 1 − f (X|g)

g

P (g|X, F am) =

(f (Y |g) − f (X|g))P (g|F am) . 1 − f (X|g)P (g|F am) g

Im Ein-Gen-Modell wird u ¨ ber alle Genotypen g am betrachteten Genort summiert. f bezeichnet die genotypspezifischen Penetranzen. Im Zwei-GenModell wird u ¨ ber alle Genotypkombinationen an beiden Genorten summiert, wobei zwei Krankheitsmutationen unber¨ ucksichtigt bleiben. Die bedingten Genotypwahrscheinlichkeiten P (g|F am) werden ebenfalls unter Nutzung der Penetranzen und der Genotyph¨ aufigkeiten berechnet (Gl. 6.3). Bei der Berechnung von Krankheitswahrscheinlichkeiten aus den Heterozygotenwahrscheinlichkeiten werden feste Sch¨ atzwerte f¨ ur die Genotyph¨aufigkeiten und die altersabh¨ angigen Penetranzen verwendet. Dabei wird die statistische Unsicherheit der Sch¨ atzungen ignoriert. Dies ist bei dem in BRCAPRO implementierten Ansatz anders (Berry et al. 1997; Parmigiani et al. 1998),wobei die Verteilungen der Allelh¨ aufigkeiten und Penetranzen durch stochastische Mittelung, Bayessche Gl¨ attung genannt, ber¨ ucksichtigt werden.

6.5 Ausblick Methoden zur Berechnung der Krankheitswahrscheinlichkeiten bei monogenen Krankheiten stehen zur Verf¨ ugung. Die Interpretation der Heterozygotenwahrscheinlichkeiten wird problematisch, wenn nur unsichere Penetranzsch¨ atzungen verf¨ ugbar sind. F¨ ur manche monogene Krankheiten ist es erforderlich, biologische Ph¨ anomene wie mutationsspezifische Neumutationsraten oder Keimzellmosaike in Form einer differenzierteren Modellierung zu ber¨ ucksichtigen. Bei komplexen Krankheiten k¨ onnen die statistischen Verfahren zur Berechnung der Krankheitswahrscheinlichkeiten oder der Heterozygotenwahrscheinlichkeiten unter Annahme eines genetischen Modells durchgef¨ uhrt werden. Die Parameter des genetischen Modells lassen sich besser sch¨atzen, wenn bei einer Krankheit Hauptgene existieren, die in einzelnen Familien einen starken Einfluss auf die Krankheitsentstehung haben. So k¨onnen in diesen Familien die Einfl¨ usse von Hauptgenen durch Einbeziehung der Stammbauminformationen direkt ber¨ ucksichtigt werden. Rein empirische Methoden erfassen die Information u are H¨ aufung in zusammengefasster Form. Es wer¨ ber die famili¨

6.5

320

6. Risikoberechnungen in Familien

den hier keine Annahmen u ¨ber die Vererbungsmechanismen, die H¨aufigkeit und die Penetranz beteiligter Gene gemacht. Solche Methoden sind m¨oglicherweise besser geeignet, famili¨ are H¨ aufung einzubeziehen, die keinem einfachen Erbgang in einzelnen Familien folgt, weil keine valide Sch¨atzung des genetischen Modells m¨ oglich ist. Wichtig ist bei beiden Methoden die Frage, wie gut das statistische Modell die Wirklichkeit beschreibt. Das bedeutet im Einzelnen: Welches genetische Modell passt am Besten, sind alle Faktoren im Modell, die einen deutlichen Einfluss haben, wie gut sind die Parameter des Modells f¨ ur die Bezugspopulation? Bei Brust- und Eierstockkrebs lassen sich verschiedene Methoden zur Vorhersage von Krankheitsmutationen in BRCA1/2 pr¨ ufen, indem man sie mit den molekulargenetischen Ergebnissen vergleicht. Diese Vergleiche sind Gegenstand aktueller Forschung. Zus¨atzliche Informationen wie histologischer Typ und Hormonrezeptorstatus, Parameter der Reproduktionshistorie und das Auftreten anderer Krebskrankheiten in der Familie k¨ onnen die Vorhersagegenauigkeit f¨ ur BRCA1 Mutationen deutlich verbessern (James et al. 2006), sind aber noch nicht f¨ ur die klinische ¨ Routine etabliert. Einen sehr guten Uberblick geben Antoniou und Easton (2006). In jedem Modell sind die Sch¨ atzungen der Parameter mit statistischer Unsicherheit behaftet. Die Unsicherheit dieser Werte ist meist nicht integriert, sondern kann in Form einer Sensitivit¨ atsanalyse ber¨ ucksichtigt werden. Dabei untersucht man die Ver¨ anderung der Krankheitswahrscheinlichkeit bei Verwendung verschiedener Sch¨ atzungen f¨ ur die einzelnen Parameter. Eine andere Methode zur Ber¨ ucksichtigung dieser Unsicherheit ist die stochastische Gl¨ attung, jedoch besteht hier noch Entwicklungsbedarf. Sowohl bei monogenen als auch bei komplexen Krankheiten sind Risikosch¨ atzungen insbesondere dann n¨ otig, wenn molekulargenetische Tests negative Ergebnisse liefern. In diesen Situationen sind Annahmen u ¨ ber das genetische Modell besonders wichtig. Nimmt man f¨ ur Brust- und Eierstockkrebs ein Zwei-Gen-Modell und eine sehr hohe Sensitivit¨at f¨ ur den molekulargenetischen Test an, dann reduzieren negative Testergebnisse die Heterozygotenwahrscheinlichkeit fast auf Populationsniveau.Wenn es mehrere Familienangeh¨ orige mit Brustkrebs gibt, ist dies unglaubw¨ urdig, da die Existenz weiterer genetischer Komponenten als gesichert gilt. Diagnose- und Prognosemodelle sind f¨ ur Brust- und Eierstockkrebs sehr gut untersucht. F¨ ur andere Krankheiten, z.B. famili¨aren Darmkrebs und famili¨ares Melanom wurden ebenfalls Risikoberechnungsmodelle entwickelt. Es ist zu erwarten, dass die Identifikation von Hoch- und Niedrigrisikogruppen f¨ ur komplexe Krankheiten mit und ohne Hauptgene zuk¨ unftig an Bedeutung gewinnen wird.

6.6

Programme

321

6.6 Programme Bei monogenen Krankheiten und einfachen Familiensituationen sind die Berechnungen von Hand durchf¨ uhrbar. F¨ ur die Berechnungen in gr¨oßeren Familien und speziellen Situationen gibt es verschiedene Programme, von denen nun die Wichtigsten vorgestellt werden. MLINK (Lathrop und Lalouel 1984) ist ein DOS-Programm zur Likelihoodberechnung in Stammb¨ aumen. Hier k¨ onnen im Ein-Gen-Modell Heterozygotenwahrscheinlichkeiten bedingt auf die vollst¨andige Familiensituation berechnet werden. MENDEL (Lange et al. 1988) ist ein DOS-Programm zur Likelihoodberechnung in Stammb¨ aumen. Hier k¨ onnen Heterozygotenwahrscheinlichkeiten bedingt auf die vollst¨ andige Familiensituation unter Annahme verschiedener genetischer Modelle (auch Mehr-Gen-Modelle) berechnet werden. Das Eingabeformat der Stammb¨ aume ist anders als bei MLINK. BRCAPRO (Berry et al. 2002) ist ein DOS-Programm zur Berechnung der BC/OC Krankheitswahrscheinlichkeiten im Zwei-Gen-Modell unter Verwendung von Bayesscher Gl¨ attung. Es werden die BC/OC Informationen von Verwandten 1. und 2. Grades einbezogen. Durch die Verwendung stochastischer Gl¨ attung sind die Ergebnisse nicht von einer einzelnen Parametersch¨ atzung abh¨ angig. Cyrillic (Cherwell Inc.) ist ein Windowsprogramm zum Zeichnen von Stammb¨aumen, das zus¨atzlich die M¨ oglichkeit bietet, Risikoberechnungen f¨ ur monogene Krankheiten und f¨ ur BC/OC im Ein-Gen-Modell (in Version 2.1 unter Einbindung von MLINK) und im Zwei-Gen-Modell (in Version 3 durch Einbindung von MENDEL und BRCAPRO) durchzuf¨ uhren. Es kann als Stammbaumdatenbank genutzt werden. CAGENE (www3.utsouthwestern.edu/cancergene/cancergene.htm) ist ein Windowsprogramm zur bequemen Stammbaumeingabe, zur Berechnung der Heterozygoten- und BC/OC Krankheitswahrscheinlichkeiten mit den verschiedenen Ans¨ atzen Ein-Gen-Modell mit Claus-Parametern, BRCAPRO, Gail-Modell, Myriad-Tabellen. Es kann als Stammbaumdatenbank genutzt werden. BayesMendel (Chen et al. 2004) umfasst Programme zur Likelihoodberechnung in Stammb¨ aumen innerhalb des Statistiksystems R. Es ist flexibel hinsichtlich der genetischen Modellierung und kann Bayessche Gl¨attung verwenden. IBIS (Amir et al. 2003, Tyrer et al. 2004) ist ein Windowsprogramm zur Berechnung von BC/OC Krankheitswahrscheinlichkeiten in einem Modell mit BRCA1/2 und einem dritten Gen mit niedriger Penetranz sowie zus¨atzlichen nichtgenetischen Risikofaktoren. Das genetische Modell wurde nicht anhand

6.6

322

6. Risikoberechnungen in Familien

einer neuen Segregationsanalyse entwickelt, sondern aus publizierten Ergebnissen zum Teil ¨alterer Studien zusammengesetzt. RISCALW (Fischer et al. 2006) ist ein Windowsprogramm zur Berechnung von Krankheitswahrscheinlichkeiten in Familien mit Duchennescher Muskeldystrophie. Das einfache populationsgenetische Modell sowie Modelle unter Einbeziehung von Keimzellmosaiken und unterschiedlichen Neumutationsraten k¨ onnen benutzt werden. Es ist m¨ oglich, CK-Werte, Markergenotypen und negative Testergebnisse bei Frauen einzubeziehen.

6.7

6.7 Literatur B¨ ucher Harper PS (2004) Practical Genetic Counseling, 6. Ausgabe Arnold, London Tariverdian G, Buselmaier W (2004) Humangenetik 3. Auflage. Springer Verlag: Berlin Heidelberg Vogel F, Fuhrmann W (1975) Genetische Familienberatung. Springer: Berlin Heidelbeg New York Artikel Amir E, Evans DG, Shenton A, Lalloo F, Moran A, Boggis C, Wilson M, Howell A (2003) Evaluation of breast cancer risk assessment packages in the family history evaluation and screening programme. Journal of Medical Genetics 40:807-814 Antoniou AC, Durocher F, Smith P, Simard J, Easton DF (2005) BRCA1 and BRCA2 mutation predictions using the BOADICEA and BRCAPRO models and penetrance estimation in high-risk French-Canadian families. Breast Cancer Research 8:R3 Antoniou AC, Easton DF (2006) Risk prediction models for familial breast cancer. Future Oncol 2:257-274 Antoniou AC, Gayther SA, Stratton JF, Ponder BA, Easton DF (2000) Risk models for familial ovarian and breast cancer. Genetic Epidemiology 18:173-190 Antoniou AC, Pharoah PD, McMullan G, Day NE, Ponder BA, Easton D (2001) Evidence for further breast cancer susceptibility genes in addition to BRCA1 and BRCA2 in a population-based study. Genetic Epidemiology 21:1-18 Antoniou AC, Pharoah PD, McMullan G, Day NE, Stratton MR, Peto J, Ponder BJ, Easton DF (2002) A comprehensive model for familial breast

6.7

Literatur

323

cancer incorporating BRCA1, BRCA2 and other genes. British Journal of Cancer 86:76-83 Antoniou AC, Pharoah PP, Smith P, Easton DF (2004) The BOADICEA model of genetic susceptibility to breast and ovarian cancer. British Journal of Cancer 91:1580-1590 Bakker E, Veenema H, Den Dunnen JT, van Broeckhoven C, Grootscholten PM, Bonten EJ, van Ommen GJ, Pearson PL (1989) Germinal mosaicism increases the recurrence risk for ’new’ Duchenne muscular dystrophy mutations. Journal of Medical Genetics 26:553-559 Barbujani G, Russo A, Danieli GA, Spiegler AW, Borkowska J, Petrusewicz IH (1990) Segregation analysis of 1885 DMD families: significant departure from the expected proportion of sporadic cases. Human Genetics 84:522-526 Barcenas CH, Hosain GM, Arun B, Zong J, Zhou X, Chen J, Cortada JM, Mills GB, Tomlinson GE, Miller AR, Strong LC, Amos CI (2006) Assessing BRCA carrier probabilities in extended families. J Clin Oncol 24:354-360 Becher H, Chang-Claude J (1996) Estimating disease risks for individuals with a given family history in different populations with an application to breast cancer. Genetic Epidemiology 13:229-242 Bellhouse DR (2004) The Reverent Thomas Bayes, FRS: A bibliography to celebrate the tercenttenry of his birth. Statistical Science 19:3-43 Berry DA, Iversen ES, Jr., Gudbjartsson DF, Hiller EH, Garber JE, Peshkin BN, Lerman C, Watson P, Lynch HT, Hilsenbeck SG, Rubinstein WS, Hughes KS, Parmigiani G (2002) BRCAPRO validation, sensitivity of genetic testing of BRCA1/BRCA2, and prevalence of other breast cancer susceptibility genes. Journal of Clinical Oncology 20:2701-2712 Berry DA, Parmigiani G, Sanchez J, Schildkraut J, Winer E (1997) Probability of carrying a mutation of breast-ovarian cancer gene BRCA1 based on family history. Journal of the National Cancer Institute 89:227-238 Chang-Claude J, Becher H, Hamann U, Schroeder-Kurth T (1995) Risk assessment for familial occurrence of breast cancer. Zentralblatt f¨ ur Gyn¨akologie 117:423-434 Chen S, Wang W, Broman KW, Katki HA, Parmigiani G (2004) BayesMendel: an R environment for Mendelian risk prediction. Stat Appl Genet Mol Biol 3:Article21 Claus EB, Risch N, Thompson WD (1991) Genetic analysis of breast cancer in the cancer and steroid hormone study. American Journal of Human Genetics 48:232-242 Claus EB, Risch N, Thompson WD (1994) Autosomal dominant inheritance of early-onset breast cancer. Implications for risk prediction. Cancer 73:643651

324

6. Risikoberechnungen in Familien

Easton DF, Ford D, Bishop DT (1995) Breast and ovarian cancer incidence in BRCA1-mutation carriers. Breast Cancer Linkage Consortium. American Journal of Human Genetics 56:265-271 Emery AE (2002) The muscular dystrophies. Lancet 359:687-695 Evans DG, Eccles DM, Rahman N, Young K, Bulman M, Amir E, Shenton A, Howell A, Lalloo F (2004) A new scoring system for the chances of identifying a BRCA1/2 mutation outperforms existing models including BRCAPRO. Journal of Medical Genetics 41:474-480 Fischer C, Gross W, Kruger J, Cremer M, Vogel F, Grimm T (2006) Modelling germline mosaicism and different new mutation rates simultaneously for appropriate risk calculations in families with Duchenne muscular dystrophy. Ann Hum Genet 70:237-248 Frank TS, Deffenbaugh AM, Reid JE, Hulick M, Ward BE, Lingenfelter B, Gumpper KL, Scholl T, Tavtigian SV, Pruss DR, Critchfield GC (2002) Clinical characteristics of individuals with germline mutations in BRCA1 and BRCA2: analysis of 10,000 individuals. Journal of Clinical Oncology 20:14801490 Gail MH, Brinton LA, Byar DP, Corle DK, Green SB, Schairer C, Mulvihill JJ (1989) Projecting individualized probabilities of developing breast cancer for white females who are being examined annually. Journal of the National Cancer Institute 81:1879-1886 Haldane JBS (1949) The rate of mutation of human genes. Hereditas (Suppl) 35:267-273 Haldane JBS (1956) Mutation in the sex-linked recessive type of muscular dystrophy; a possible sex difference. Annals of Human Genetics 20:344-347 James PA, Doherty R, Harris M, Mukesh BN, Milner A, Young MA, Scott C (2006) Optimal selection of individuals for BRCA mutation testing: a comparison of available methods. Journal of Clinical Oncology 24:707-715 Janssen B, Hartmann C, Scholz V, Jauch A, Zschocke J (2005) MLPA analysis for the detection of deletions, duplications and complex rearrangements in the dystrophin gene: potential and pitfalls. Neurogenetics 6:29-35 Keller A, Emery AEH, Spiegler AWJ, Apacik C, M¨ uller CR. Grimm T (1996) Age effects on serum creatinin kinase (SCK) levels in obligate carriers of Duchenne muscular dystrophy (DMD) and Becker muscular dystrophy (BMD) and its implication on genetic counselling. Acta Cardiomiologica 8:2734 King MC, Marks JH, Mandell JB (2003) Breast and ovarian cancer risks due to inherited mutations in BRCA1 and BRCA2. Science 302:643-646 Lange K, Weeks D, Boehnke M (1988) Programs for Pedigree Analysis: MENDEL, FISHER, and dGENE. Genetic Epidemiology 5:471-472

6.7

Literatur

325

Lathrop GM, Lalouel JM (1984) Easy calculations of lod scores and genetic risks on small computers. American Journal of Human Genetics 36:460-465 Marroni F, Aretini P, D’Andrea E, Caligo MA, Cortesi L, Viel A, Ricevuto E, Montagna M, Cipollini G, Ferrari S, Santarosa M, Bisegna R, BaileyWilson JE, Bevilacqua G, Parmigiani G, Presciuttini S (2004) Evaluation of widely used models for predicting BRCA1 and BRCA2 mutations. Journal of Medical Genetics 41:278-285 Miki Y, Swensen J, Shattuck-Eidens D, Futreal PA, Harshman K, Tavtigian S, Liu Q, Cochran C, Bennett LM, Ding W, Bell R, Rosenthal J, Hussey C, Tran T, McClure M, Frye C, Hattier T, Phelps R, Haugen-Strano A, Katcher H, Yakumo K, Gholami Z, Shaffer D, Stone S, Bayer S, Wray C. Bogden R, Dayananth P, Ward J, Tonin P, Narod S, Bristow PK, Norris FH, Helvering L, Morrison P, Rosteck P, Lai M, Barrett JC, Lewis C, Neuhausen S, Cannon-Albright L, Goldgar D, Wiseman R, Kamb A, Skolnick MH. A strong candidate for the breast and ovarian cancer susceptibility gene BRCA1. Science 1994; 266: 66-71. Narod SA, Goldgar D, Cannon-Albright L, Weber B, Moslehi R, Ives E, Lenoir G, Lynch H (1995) Risk modifiers in carriers of BRCA1 mutations. Int J Cancer 64:394-398 Parmigiani G, Berry D, Aguilar O (1998) Determining carrier probabilities for breast cancer-susceptibility genes BRCA1 and BRCA2. American Journal of Human Genetics 62:145-158 Parmigiani G, Berry D, Aguilar O (1998) Determining carrier probabilities for breast cancer-susceptibility genes BRCA1 and BRCA2. American Journal of Human Genetics 62:145-158 Pickle LW, Johnson KA (1989) Estimating the long-term probability of developing breast cancer. Journal of the National Cancer Institute 81:1854-1855 Reif M, Baitsch H (1985) Psychological issues in genetic counselling. Human Genetics 70:193-9 Schmutzler R, Schlegelberger B, Meindl A, Gerber WD, Kiechle M (2003) Counselling, genetic testing and prevention in women with hereditary breastand ovarian cancer. Interdisciplinary recommendations of the consortium ”Hereditary Breast- and Ovarian Cancer”of the German Cancer AiD. Zentralblatt f¨ ur Gyn¨ akologie 125:494-506 Tyrer J, Duffy SW, Cuzick J (2004) A breast cancer prediction model incorporating familial and personal risk factors. Statistics in Medicine 23:11111130 Whittemore AS, Gong G, Itnyre J (1997) Prevalence and contribution of BRCA1 mutations in breast cancer and ovarian cancer: results from three U.S. population-based case-control studies of ovarian cancer. Am J Hum Genet 60:496-504

326

6. Risikoberechnungen in Familien

Wooster R, Bignell G, Lancaster J, Swift S, Seal S, Mangion J, Collins N, Gregory S, Gumbs C, Micklem G (1995) Identification of the breast cancer susceptibility gene BRCA2. Nature 378:789-792 Webseiten www.myriadtests.com/provider/mutprevo.htm/ www.sw-ans.de

Anhang Exkurse und Pers¨ onlichkeiten

A

A Exkurse und Pers¨ onlichkeiten

A

329

A Exkurse und Pers¨ onlichkeiten

Exkurs 1:

Repeatzahlen an einem Mikrosatellitenlocus

19

Exkurs 2:

Der Estimation-Maximisation(EM)-Algorithmus

95

Exkurs 3:

Das Prinzip des Likelihood-Ratio-Tests

142

Exkurs 4:

Der Lander-Green-Algorithmus

214

Exkurs 5:

Exakte Tests und Permutationstests

249

Exkurs 6:

Genetische Beratung

293

Blick in die Geschichte 1:

Peter Emil Becker

40

Blick in die Geschichte 2:

Hardy-Weinberg-Gesetz

82

Blick in die Geschichte 3:

Mary-Claire King

146

Blick in die Geschichte 4:

J¨ urg Ott

184

Blick in die Geschichte 5:

Fran¸coise Clerget-Darpoux

266

Blick in die Geschichte 6:

Thomas Bayes

291

Index ∩, siehe Schnittmenge ∪, siehe Vereinigungsmenge ⊆, siehe Teilmenge Sall , 196 Spairs , 196 Zlr , siehe Score-Test χ2 -Test, siehe Chiquadrattest π-Modell, 122, 128 1-LOD Supportintervall, 180, 218 80% Proxie, 268 A|B, siehe bedingte Wahrscheinlichkeit a-posteriori-Wahrscheinlichkeit, 59, 212, 285 a-priori Wahrscheinlichkeit, 212, 284, 287, 289 Abdeckung der Variation, 268 abh¨ angiges Ereignis, siehe Ereignis, abh¨ angig Ablehnbereich, 57 Abstand genetischer, 162, 164, 207 ACE, 81 Achondroplasie, 24 AD, siehe Alzheimersche Krankheit ADAM33, 243 Additionssatz, 32 additiv, 199 Adjustierung, 62 affected sib pair, siehe Geschwister paare, erkrankte Affected-Pedigree-Member-Methode, 197 Affected-Sib-Pair-Methode, 185, 191f., 194f. age at diagnosis, siehe Alter bei Diagnose age at exam, siehe Alter bei Untersuchung age of onset, siehe Alter bei Erkrankungsbeginn AGFAP, siehe Antigen GenotypeFrequencies-Among-Patients-Methode ¨ Ahnlichkeitsmaß, 200

AIC, siehe Akaikes Information Criterium AIDS, 232 Akaikes Information Criterium, 142 Aldehyddehydrogenase, 44 Allel, 17 disponierendes, 31, 97 Allel-Dosis-Effekt, 63, 243 Allelanzahl, 235 Allele-Sharing-Methode, 185 Allelh¨ aufigkeit, 31, 191 gleiche, 172 allelische Assoziation, 89 allelselektive Hybridisierung, 267 Allelz¨ ahlmethode, 81 allozygot, 75 Alter bei Diagnose, 138 Alter bei Erkrankungsbeginn, 37, 62, 138 Alter bei Untersuchung, 139 Alternative, 56, 176 zusammengesetzte, 178 Alzheimersche Krankheit, 45f., 46, 56, 62f., 63, 116, 146, 180, 183, 243 Aminos¨ aure, 16, 23 Amyloid-Precursor-Protein, 46 Analysis-of-Covariance, 61 Analysis-of-Variance, 61, 129 ancestral recombination graph, 103 ancestral selection graph, 103 ANCOVA, siehe Analysis-of-Covariance Angelman-Syndrom, 37 ANOVA, siehe Analysis-of-Variance Antigen-Genotype-Frequencies-AmongPatients-Methode, 265 antikonservativ, 237 Antizipation, 39 APM-Methode, siehe Affected-PedigreeMember-Methode APOE, siehe Apolipoprotein-E Apolipoprotein-E, 46, 243 ¨ Aquivalenztest, 83 Armitage-Trendtest, 236

332

Index

ascertainment bias, siehe Auswahlver zerrung ASP, siehe Geschwisterpaare, erkrankte assortative mating, siehe Paarung, selektive Assoziation, 53 Assoziationsanalyse, 153, 231 Assoziationsstudie, 99, 103, 254 direkte, 233, 252, 264, 269 familienbasierte, 232 indirekte, 233, 252 populationsbasierte, 234, 258 Assoziationstest, 234 Asthma, 44, 243 Ausreißer, 63 Auswahl unvollst¨ andige, 124 vollst¨ andige, 124 Auswahlverzerrung, 117, 120, 122, 123, 126, 139, 147, 183, 206, 260 Auswahlwahrscheinlichkeit, 123 Autosom, 11, 177 autosomal dominant, 31, 34, 284, 286 autosomal rezessiv, 31, 34, 120, 295 Autozygosit¨ at, 217 autozygosity mapping, 217 autozygot, 75

Binomialkoeffizient, 27 Binomialverteilung, 27, 123, 133 gestutzte, 121 bipolare Erkrankung, 45 bivariate Regression, siehe Regression, bivariate Blockl¨ ange, 99 BMD, siehe Muskeldystrophie, Typ Becker Bonferroni-Korrektur, 59 bottleneck, siehe Flaschenhals bp, siehe Basenpaar Brustkrebs, 137, 146, 197, 207, 216, 282, 286, 311

CaTS, 273 CCR5, 232 cDNA, 16 CEPH Familien, 164 CF-Gen, 34, 231 Chaplin, 274 Chip-Technologie, 87 Chiquadrat-Anpassungstest, 197, 265 Chiquadrattest, 57, 81, 103, 119, 122, 167, 192, 236, 244, 316 Chiquadratverteilung, 29, 57, 119, 142, 179, 263 gemischte, 142, 194 Chorea Huntington, 34, 37, 39 B(n,p), siehe Binomialverteilung Chromosom, 11 backcross, 166 Chromosomenmutation, 23 Base, 13 cM (centiMorgan), siehe Morgan Baseline-Hazard, 63 Codon, 16 Basenpaar (bp), 13, 164 coefficient of relationship, siehe Ver Bayes, Thomas, 291 wandt schaftskoeffizient Bayessche Formel, siehe Formel von Bayes cold spots, 99 Bayessche Gl¨ attung, 319 commingling analysis, 131 Bayesverfahren, 97, 153 common - disease - common - variant bedingte Unabh¨ angigkeit, 282 Hypothese, 270 bedingte Wahrscheinlichkeit, 29f., 285 complete ascertainment, siehe Auswahl, Beobachtungseinheit, 47 vollst¨ andige Bernoulliverteilung, 27 compound heterozygot, 38 biallelisch, 18, 26, 31 Bias, siehe Verzerrung Confounder, 55, 233, 273

Index

coverage, siehe Abdeckung der Variation Cox-Regression, 63 Crossover, 21f., 28, 161, 300 ungleiches, 24, 85 cryptic relatedness, siehe kryptische Verwandschaft

333

Dystrophin, 35 Dystrophingen, 300

E(X), siehe Erwartungswert Effektmodifikation, 56 Effektsch¨ atzer, 234 Eierstockkrebs, 311 Ein-Gen-Modell, siehe Ein-Locus-Modell D, siehe Disequilibriumskoeffizient Ein-Locus-Modell, 116, 199, 200, 311, 319 Datenfehler, 81, 97, 98, 138, 219 Eingabeparameter, 139, 147, 173, 182 Deletion, 23, 231, 300, 307 Einheitsmatrix, siehe Identit¨ atsmatrix Demenz, 44 Einschlusskriterien, 137 Diabetes, 43, 45, 46, 135, 146, 270 Elementarereignis, 26 Diagnostik Elston-Stuart-Algorithmus, 129, 149, 166, indirekte, 286 172f., 173, 213 molekulargenetische, 293 EM-Algorithmus, 95, 97 diagnostischer Test, 316 ENCODE, 268 dichotom, 36, 53, 61, 185 Ereignis, 25 Dichte, 28 abh¨ angiges, 29 Dichtefunktion, 28 unabh¨ angiges, 30 Differenz Erwartungswert, 28 quadratische ph¨ anotypische, 200, 202 EST, 46 Differenzmenge, 26 Ethnizit¨ at, 239 Dinukleotidrepeat, 17 Evolutionsgenetik, 84 diploid, 11, 21 exakter Test, siehe Test, exakter Diplotyp, 93, 95, 161, 283 exclusion mapping, siehe Kopplungsdirekte Assoziationsstudie, siehe Ausschluss Assoziationsstudie, direkte Exon, 15, 23 Disequilibriumskoeffizient, 89, 92 Experiment, siehe Zufallsexperiment disjunkt, siehe Menge, 78, 114 Exposition, 53, 114, 234 diskordante Geschwisterpaare, siehe Geschwisterpaare, diskordant FST , siehe Fixationsindex diskret, siehe Merkmal, diskretes F(X), siehe Verteilungsfunktion disponierend, 53, 81, 117, 130, 135 f(x), siehe Dichte DMD, siehe Muskeldystrophie, Typ F-Test, 252 Duchenne Fall-Kontroll-Studie, 54, 104, 114, 232, DNA, 13f. 234, 258 DNA-Variante, siehe Allel Fall-Pseudokontroll-Regressionsanalyse, 261 dominant, 190, 199 Fallzahl, siehe Stichprobengr¨ oße Dominanzmaß, 134 false discovery rate, siehe Fehler 1. Art, Doppelcrossover, 164 FDR Drift, 91, 101f. famili¨ are Aggregation, 113, 160 genetische, 71, 85 Familiengeschichte, 137, 145 Duplikation, 23, 300 positive, 113, 114, 114f., 115

334

Index

Gen-Umwelt-Interaktion, 44, 271 Genaufbau, 15 Gendropping, 153 Generalized Estimation Equations, siehe Sch¨ atzgleichungen, verallgemeinerte Generation, 41, 71, 77f., 90, 101, 136, 183, 301 genetisch letal, 35, 300 ¨ genetische Ahnlichkeit, 246 genetische Beratung, 41, 281, 293 genetische Drift, siehe Drift, genetische genetische Karte, 215 genetische Pr¨ agung, siehe Imprinting genetischer Abstand, siehe Abstand, genetischer genetischer Code, 15f. genetischer Marker, siehe Marker genetisches Confounding, 238 genetisches Modell, 29, 192, 197, 281, 283 Genexpression, 16 Genom, 14, 86 mitochondriales, 14 genomic imprinting, siehe Imprinting Genomische Kontrolle, 240 Genommutation, 23 genomweite Assoziationsstudie, 232, 267, 273 Genomweite Kopplungsanalyse, 207 genomweite Suche, 159 Genort, 14 Genotyp, 17 geordneter, 31 ungeordneter, 31 Gamet, 20, 70 Genotyp-Ph¨ anotyp-Beziehung, 43, 45, 117, 150, 152, 174 gametisches Ungleichgewicht, siehe Kopplungsungleichgewicht genotypisches relatives Risiko, siehe relatives Risiko, genotypisches GEE, siehe Sch¨ atzgleichungen, verallgemeinerte Genotypisierungsfehler, 237, 271 gematchte Fall-Kontroll-Studie, 261 Genotypverteilung, 30, 237, 283 Gen, 14, 117, 130, 140, 311f., 319 Gensequenz, 15 aktives, 16 Geschlechtschromosom, siehe Gonosom, Gen-Gen-Interaktion, 44, 271 178

Familienstudie, 90, 98, 115 Familientyp, 259 family history score, siehe Score zur Familiengeschichte Family-Based-Association Test, 254 Family-Based-Association-Test, 263 family-wise-error-rate, siehe Fehler 1. Art, FWE FBAT, siehe Family Based Association Test, 273 FDR, siehe Fehler 1. Art, FDR fehlende Beobachtung, 95 Fehler, 217 Fehler 1. Art, siehe Signifikanzniveau FDR, 59 FWE, 59 Fehlspezifizierung, 266 Feinkartierung, 231 FG, siehe Freiheitsgrad Finemapping, 218 Fisher-Test, 238, 249 Fitness, 290, 309 Fixationsindex, 84, 240 flankierender Bereich, 231 Flaschenhals, 72 Formel von Bayes, 32, 32f., 177, 190, 213, 282, 284 founder, siehe Gr¨ under founder effect, siehe Gr¨ undereffekt Freiheitsgrad, 29, 57, 81, 119, 142, 179, 194, 245 frequency dependent selection, siehe Selektion, h¨ aufigkeitsabh¨ angige FWE, siehe Fehler 1. Art, FWE

Index

Geschwisterpaare, 188 diskordant, 196 erkrankte, 188, 191f. extreme, 207 Gewicht, 195, 196 gewichtete Methode der kleinsten Quadrate, 203 gleitendes Fenster, 246 Gonosom, 11 goodness-of-fit, siehe Modellanpassung GPC, 273 Gr¨ under, 41, 150, 150f., 172, 173, 209 Gr¨ undereffekt, 72, 91, 231 Gr¨ underhaplotyp, 246 Grenzverteilung, 249 Grundgesamtheit, 26, 47 GWAS, siehe genomweite Asso ziations studie H0 , siehe Nullhypothese H1 , siehe Alternative H¨ aufigkeit des selteneren Allels, 70, 86, 100 HAPLO.STAT, 274 haploid, 11, 20 Haplotyp, 22, 70, 89f., 173, 189, 218, 282, 300 experimentelle Bestimmung, 22 h¨ aufiger, 99 seltener, 245 Haplotyp-Sharing-Statistik, 246 Haplotypanalyse, 231, 244 Haplotypbasierte Verfahren, 242 Haplotypblock, 98, 104, 246 Haplotypcluster, 248 Haplotypl¨ ange, 242 Haplotyprekonstruktion, 94 Haplotypsch¨ atzung, 93, 94f., 104 Haplotypverteilung, 244 Haploview, 274 HapMap Projekt, 246, 268 Hardy-Weinberg Equilibrium, siehe Hardy-Weinberg-Gleichgewicht

335

Hardy-Weinberg-Gleichgewicht, 76, 101, 103, 134, 150, 171, 173, 191, 199, 237, 295 Haseman-Elston-revised, 204 Haseman-Elston-Verfahren,199f., 200, 202 Haupteffekt, 114, 129 Hauptgen, 46, 113, 128, 129, 159, 281 Hauptgen-Modell, siehe Modell, HauptgenHazard, 63, 312 Hazardfunktion, 63 HE-Verfahren, siehe Haseman-ElstonVerfahren hemizygot, 18 heredit¨ ares nicht-polyp¨ oses Kolonkarzinom, 45 Heritabilit¨ at, 115, 135, 206 Heterogenit¨ at allelische, 37 genetische, 152, 182 Locus, 38 variable Expressivit¨ at, 38 Heterogenit¨ atsmodell, 270 Heterozygosit¨ at, 79, 162 heterozygot, 18 Heterozygotenh¨ aufigkeit, 78 Heterozygotentest, 301, 307 Heterozygotenvorteil, 72f. Heterozygotenwahrscheinlichkeit, 286, 295 hitchhiking effect, siehe Mitfahrereffekt HLOD, 182 HNPCC, siehe heredit¨ ares nicht-polyp¨ oses Kolonkarzinom hochdimensionale Datenstruktur, 250 Hochdurchsatzverfahren, 232, 267 Hochrisikofamilie, 145 homolog, 21 homologe Sequenz, 46 homologes Chromosom, 11 homozygosity mapping, siehe autozygosity mapping homozygot, 18 hot spot, siehe Rekombination, Hot Spot HRR-Test, 261

336

Index

k-Rang-Verfahren, 270 Kandidatenansatz enger, 231 erweiterter, 231 Kandidatengen, 159, 218, 266 Kandidatenregion, 243 Kartierung, 164 Kartierungsfunktion, 159, 164 IBD, siehe Identity-by-Descent nach Haldane, 164 IBS, siehe Identity-by-State nach Kosambi, 164, 178 IDDM, siehe insulinabh¨ angige Diabetes nach Morgan, 164 Mellitus kausal, 233 Identit¨ atsmatrix, 205 kbp, 13 Identity-by-Descent, 160, 185, 187f., 190, Keimzelle, 20, 23f. 191f., 199 Keimzellmosaik, siehe Mosaik, Keimzelleindeutiger, 191 Kernfamilie, 41, 104, 113, 117, 138, unklarer, 194f., 203 147, 166, 168, 254, 265 Identity-by-State, 185 Kerngenom, 14 Imprinting, 37, 167 KI, siehe Konfidenzintervall inbreeding, 150 Klonieren inbreeding coefficient, siehe Inzuchtkopositionelles, 146 effizient Koaleszenz, 102f. incomplete ascertainment, siehe Auswahl, Koaleszenzprozess, 102 unvollst¨ andige Koaleszenztheorie, 70 Indexpatient, 41, 123, 265 Kodierung des Genotyps, 261 Indexproband, 137 kodominant, 32, 36 Infektionskrankheit, 232 Kohorteneffekt, 136, 140, 145 infinitively many alleles model, 70 Kohortenstudie, 54, 232, 234 inheritance vectors, siehe VererbungsvekKomplement, siehe Menge, tor Komplement¨ armenge Input-Parameter, siehe Eingabeparamekomplexe Krankheit, 43f., 152, 281 ter Konfidenzintervall, 48f., 50, 235, Insertion, 23 251 INSIG2, 232 konsistenter Sch¨ atzer, 51, 151 insulinabh¨ angige Diabetes Mellitus, 197, Kontingenztafel, 234, 265 260, 265 kontinuierlich, siehe quantitativ Interaktion, 61, 69, 101, 114, 131 Kontrolle, 54 Intron, 15, 24 Kopplung, 22, 90, 161, 286 Inzidenz, 52, 127, 290, 295, 301 keine, 174 kumulative, 52, 139 schwache, 174 Inzuchtkoeffizient, 75, 299 starke, 89, 91, 174 IP, siehe Indexpatient vollst¨ andige, 22, 90, 104, 162 Isolate, 239 Kopplungs-Ausschluss, 177 j¨ ungster gemeinsamer Vorfahr, 102 Kopplungsanalyse, 22, 129, 153, 159 HsA, siehe H¨ aufigkeit des selteneren Allels HSS, siehe Haplotyp-Sharing-Statistik Huntingtin, 34 Huntington, George, 34 HWE, siehe Hardy-Weinberg-Gleichgewicht

Index

modellfreie, 160, 185, 192 nichtparametrische, 160, 185f. parametrische, 160 Kopplungsgleichgewicht, 89, 167 Kopplungsstudie, 115 Kopplungstest, 192 Kopplungsungleichgewicht, 69f., 89, 89f., 91, 218 Korrelationskoeffizient, 268 Kovarianz, 204, 263 Kovarianzmatrix, 204 Krankheit komplexe, 33, 43 Mendelsche, 33 monogene, 33 multifaktorielle, 43 Krankheitswahrscheinlichkeit, 52 kritischer Wert, 57 kryptische Verwandschaft, 242

337

local false discovery rate, 59 Locus, 14, 18 LOD-Score, 166, 168f. LOD-Score-Analyse, 193, 197 LOD-Score-Funktion, 168, 172f., 174 LOD-Score-Methode, 160, 166, 175f. Logarithmus der Likelihood, 151 Logarithmustransformation, 29, 60 logistische Regression, siehe Regression, logistische Lokalisation, 198, 218 loop, siehe Schleife LRT, siehe Likelihood-Ratio-Test Lyon-Hypothese, 39

m¨ ogliches Dreieck, 194 MAF, siehe H¨ aufigkeit des selteneren Allels major locus, siehe Hauptgen Malaria, 73 Lander-Green-Algorithmus, 213, 214 Mann-Whitney U-Test, 251 Lander-Kruglyak-Kriterien, 216 Marker, 17, 31, 159, 282, 286, 300 Laplace-Wahrscheinlichkeit, 26 benachbart, 208 LD, siehe Kopplungsungleichgewicht Marker Association Segregation LD-Maß, siehe DisequilibriumskoeffiziChisquare, 265 ent Marker-Association-SegregationD
, 92 Chisquare, 264 Markerlocus, 18 δ, 92 Markerort, 18 r2 , 92 Markov chain, siehe Markovkette LD-Struktur, 268 Markov-Chain-Monte-Carlo-Verfahren, Lebenszeitpr¨ avalenz, 52 150, 153, 174, 217, 250 letal, 300f. Markov-Modell Letalit¨ at, 52 verstecktes, 214 Liabilit¨ at, 134f., 135, 145 Markovkette, 101, 214 Liabilit¨ atsklasse, 139, 147, 151, 152 MASC, siehe Marker-AssociationLiability, siehe Liabilit¨ at Segregation-Chisquare Likelihood, siehe Likelihood-Ratio-Test Likelihood-Ratio-Test, 49, 96, 113, 119, maturity onset diabetes of the young, 45 127, 129, 140, 142, 149, 152, 166, 168, Maximum LOD-Score, 168 205 Maximum-Likelihood-Methode, 49, 140, 166 Likelihoodprofil, 183 Maximum-Likelihood-Sch¨ atzer, 49, 50, lineare Regression, 60 95, 142, 151, 262 Linkage Disequilibrium, siehe KopplungsMaximum-LOD-Score, 169 ungleichgewicht, 233, 253, 256

338

Index

Maximum-Lod-Score-Statistik, 193, 217 Mbp, 13 McKusik, Victor A., 33 MCMC-Methode, siehe Markov-ChainMonte-Carlo-Verfahren McNemar-Test, 255 mean-Test, 192 medizinisch relevanter Effekt, 58 Mehr-Locus-Modell, 116 Mehrfachcrossover, 164 Mehrfachtesten, siehe multiples Testen Mehrgenerationenfamilie, 41, 94, 97, 104, 139f., 149, 151, 242, 254 Mehrpunkt-Kopplungsanalysen, 207 Mehrpunkt-Verfahren, 179 Mehrstufendesign, 269 Meiose, 20, 139, 152, 161, 166, 183, 190, 209 elterliche, 30f. informative, 151 unabh¨ angige, 30f. Mendelsche Segregation, 25, 29f., 30, 113, 150, 152, 188 Mendelsche Unterform, 113, 146, 182 Mendelsches Modell, 31 f¨ ur zwei Loci, 159, 162 monogenes, 31 Menge Differenz-, 26 disjunkte, 26, 32 Komplement¨ ar-, 32 Schnitt-, 26 Teil-, 26 Vereinigungs-, 26 Merkmal diskretes, 25 quantitatives, 28 Migration, 69, 71 Mikrosatellit, 17f., 85, 207, 218 minimal recombination assumption, 94 Minisatellit, 18 minor allele frequency, siehe H¨ aufigkeit des selteneren Allels Mitfahrereffekt, 91

Mitochondrien, 14, 22f. Mitose, 11, 20 Mittelwert, 199 mixed model, siehe Modell, gemischtes ML-Sch¨ atzer, siehe Maximum-Likeliatzer, 166, 168, 194 hood- Sch¨ MLPA, siehe multiplex ligation dependent probe amplification MLS-Statistik, 192f., siehe MaximumLod-Score-Statistik, 194 MOD-Score, 183, 266 mode of inheritance, siehe Vererbungsmodus Modell, 25, 113, 128 additives, 135, 145 dominantes, 235 eingeschr¨ anktes, 142 gemischtes, 128, 133 generelles, 140, 142 Hauptgen-, 128 multiplikatives, 235 polygenes, 128, 132 vereinigtes, 128 Modellanpassung, 139, 142 Modellbildung, siehe Modellierung modellfreie Kopplungsanalyse, siehe Kopplungsanalyse, modellfreie Modellierung, 59 MODY, siehe maturity onset diabetes of the young molekulargenetische Diagnostik, 286 monogen, 31, 33 monogene Krankheit, 152, 159, 281, 286 monomorph, 17 Monte-Carlo-Simulation, 250 Morbidit¨ at, 52 Morgan, 22, 97, 160, 164 Mortalit¨ at, 52 Mosaik Keimzell-, 38, 308 somatisches, 23 most recent common ancestor, siehe j¨ ungster gemeinsamer Vorfahr

Index

MRCA, siehe j¨ ungster gemeinsamer Vorfahr mRNA, 15 Mukoviszidose, 25, 34, 38, 231, 286, 295, 296, 299 multifaktorielle Komponente, 135 multifaktorielle Krankheit, siehe Krankheit, multifaktorielle Multikollinearit¨ at, 63 Multilocus-Genotyp, 173 Multinomialverteilung, 27, 31 multiple - rare - variant - Hypothese, 270 multiple Regression, siehe Regression, multiple multiple selection, siehe Selektion, multiple Multiple Sklerose, 257 multiples Testen, 58, 183, 237, 248, 269 multiplex ligation dependent probe amplification, 301 Multiplikationssatz, 29, 30f. multipoint linkage analysis, siehe Mehrpunkt-Kopplungsanalysen Muskeldystrophie Typ Becker, 35, 40, 309 Typ Duchenne, 35, 38, 38f., 40, 76, 282, 286, 300f. Mutagen, 24 Mutation, 13, 23f., 69, 101f., 281, 300 frameshift, 23 inframe, 23 Mutations-Selektions-Gleichgewicht, 76, 290, 301, 309 Mutationsrate, 24, 70, 85, 307, 310 Mutationsspektrum, 231 Mutationstyp, 23 Deletion, 23 Duplikation, 23 frameshift-Mutation, 23 inframe-Mutation, 23 Insertion, 23 Punktmutation, 23 Stop-Mutation, 23

339

N(µ, σ 2 ), siehe Normalverteilung Neumutation, 39, 76, 85, 89, 284, 286, 286f., 289 Neumutationsrate, 301 Neuronale Netze, 63 Neutralit¨ atshypothese, 74 nicht typisierte Eltern, 259 nicht-direktive Beratung, 294 Nicht-Gr¨ under, 41, 150, 150f., 173 nichtparametrische Kopplungsanalyse, siehe Kopplungsanalyse, nichtpara metrische Niveau, siehe Signifikanzniveau non founder, siehe Nicht-Gr¨ under Nonparametric-Linkage-Score, 193 Normalverteilung, 29, 129f., 134f., 135, 203 multivariate, 205 NPL-Score, 192f., siehe NonparametricLinkage-Score, 195 nuclear family, siehe Kernfamilie Nukleotid, 13 Nukleotiddiversit¨ at, 86f. Nullhypothese, 56, 176 odds in favor of linkage, 178 Odds Ratio, 55, 114, 235, 256 allelisches, 235 Oligogen, 46, 182 OMIM, 33 OR, siehe Odds Ratio outlier, siehe Ausreißer overfitting, 63 P(K), siehe Pr¨ avalenz, siehe Krankheitswahrscheinlichkeit p-Arm, 12 p-Wert, 57 Paarung selektive, 74, 81 zuf¨ allige, 69, 74, 77 Parameter, 31, 47, 95, 113, 128, 133, 142, 143, 149, 160, 162, 173, 283 Parameterbereich, 170

340

Index

Parameterraum, 142, 179, 194 Parametervektor, 51 parametrische Kopplungsanalyse, siehe Kopplungsanalyse, parametrische Parsimony-Prinzip, siehe Sparsamkeitsprinzip, 142, 148 pathway, 44 PAWE, 273 PCR, 19, siehe polymerase chain reaction Penetranz, 30, 117, 139, 150 additive, 116 altersabh¨ angige, 37, 292 kumulative, 37 multiplikative, 116 reduzierte, 36 unvollst¨ andige, 36, 188 vollst¨ andige, 166, 281, 286 Penetranzmaß, 134 Penetranzparameter, 174 Permutationstest, 244, 247, siehe Test, Permutations-, 259 Permutationsverteilung, 249 Ph¨ anokopie, 37, 191, 286 Ph¨ anotyp, 30, 44, 113, 149, 283 Endoph¨ anotyp, 44 intermedi¨ arer, 44 klinischer, 44 quantitativer, siehe quantitativer Ph¨ anotyp, 199 ph¨ anotypische Varianz, 135 Pharmakogenetik, 131 PHASE, 97, 104, 244, 274 Phase, 161, 166, 189 phylogenetischer Baum, 97 physikalische Karte, 164 PIC, siehe polymorphism information content Platzhaltergenotypen, 211 Poissonverteilung, 28, 97 Polygen, 46, 114, 128, 132 polymerase chain reaction, 19, 83 polymorph, 17, 32, 188

polymorphism information content, 79, 162 Polymorphismus, 17, 159, 233 Population endliche, 71, 91, 101 homogene, 69 Sub-, 69, 81, 84 unendlich große, 77 population admixture, siehe Populationsmischung Population unter Risiko, 53 Populationsgenetik, 69f. Populationsgeschichte, 248 Populationsmischung, 84, 91, 238 Populationsparameter, 150, 173 Populationsstratifikation, 84, 233, 237, 238, 254, 257, 272 positionelles Klonieren, siehe Klonieren, positionelles positive Familiengeschichte, siehe Familiengeschichte, positive possible triangle, siehe m¨ ogliches Dreieck, 217 Power, 58, 264 aferenzielle Transmission, siehe Transpr¨ mission, pr¨ aferenzielle Pr¨ avalenz, 32, 52, 114, 116, 177, 238, 252, 264, 282 Pr¨ azision, 198 Pr¨ ufgr¨ oße, siehe Teststatistik Prader-Willi-Syndrom, 37 Presenilin, 46 Primer, 13, 19 Proband, 41, 123 Prognostisches Modell, 63 Promotor, 15, 24 proportion-Test, 192 proportionales Hazard-Modell, 63 Proteininteraktion dominant negative, 36 Haploinsuffizienz, 36 protektiv, 44, 53 pseudoautosomale Region, 12, 35 Pseudokontrolle, 254

Index

publication bias, siehe Publikationsbias Publikationsbias, 272 Punktmutation, 23, 24, 300 Punktsch¨ atzer, siehe Sch¨ atzer q-Arm, 12 QPL, siehe quantitative polynomious logistic model QTL, siehe quantitative trait locus, siehe quantitative trait locus Quantil, 29, 48, 57 quantitativ, 28 quantitative polynomious logistic model, 261 quantitative trait locus, 128, 204 quantitativer Ph¨ anotyp, 128 QUANTO, 273 Quasi-Likelihood- Verfahren, 206 R, 273 Random-Effects-Modell, 204 Randsumme, 249 RC-TDT, siehe ReconstructionCombined-TransmissionDisequilibrium-Test Realisation, 27 Receiver-Operator-Charakteristik, 316 Reconstruction-Combined-Transmission-Disequilibrium-Test, 260 recurrence risk, siehe Wiederholungs risiko reduzierte Penetranz, 287 Regression, 60 bivariate, 62 einfache, 60 lineare, 60, 202 logistische, 61, 237 multiple, 61 multivariate, 62 polynomische, 61 Regressionsdiagnostik, 63 Regressionskoeffizient, 60, 202 Regressionsmodell, 59f., 237 regulatorischer Bereich, 231 Rekombinante, 22

341

Rekombination, 21f., 103, 161 Hot Spot, 99 Rekombinationsrate, 22, 49, 160, 162, 166, 168f., 188, 256 relatives Risiko, 53f., 113, 116, 147 genotypisches, 53 repeat, siehe Sequenz, repetetive Replikation, 13, 39 Residuum, 60 Restriktionsenzym, 18 Restriktionsfragmentl¨ angenpolymorphismus, 18 reverse Transkriptase, 15 rezessiv, 25, 34, 39, 73, 117, 189, 199, 300f. RFLP, siehe Restriktionsfragment l¨ angenpolymorphismus Risiko, 53, 281, 282, 286, 299 absolutes, 116 relatives, siehe relatives Risiko Risiko der Referenzgruppe, 53 Risikoberechnung, 281 Risikofaktor, 234 RNA, 15 robust, 131 ROC, siehe Receiver-OperatorCharakteristik RR, siehe relatives Risiko S-TDT, 259 SAS, 273 Satz von der totalen Wahrscheinlichkeit, 32f., 78, 123, 149, 167, 171, 282 Sch¨ atzer, 48f. Sch¨ atzgleichungen verallgemeinerte, 204 Schleife, 149, 172 Schnittmenge, 26 Schwellenwert, 134f., 135 Schwesterchromatiden, 12 Score, 44 Score zur Familiengeschichte, 114 Score-Test, 196 segregation distortion, siehe Transmission, pr¨ aferenzielle

342

Index

segregation ratio, siehe Segregationsanteil Segregation, Mendelsche, siehe Mendelsche Segregation Segregations-Kopplungsanalyse, 183 Segregationsanalyse, 113, 117, 173, 283 komplexe, 128 Segregationsanteil, 117 Segregationsparameter, 173 Selektion, 69, 72, 91, 101 einfache, 125 gek¨ urzte, 124 h¨ aufigkeitsabh¨ angige, 101 multiple, 125 Selektionsbias, 115 selektive Paarung, siehe Paarung, selektive sequentielles Verfahren, siehe Verfahren, sequentielles Sequenz, 13 Einzelkopie-, 17 repetetive, 17 short tandem repeat, 17 SHOX-Gen, 35 Sib-TDT, 259 Sichelzellan¨ amie, 73 Signifikanzniveau, 56ff., 178, 179 single nucleotid polymorphismus, 18, 85, 218, 243 single selection, siehe Selektion, einfache Slippage, 24 SNP, siehe single nucleotid polymorphismus, 244 SNP-Chip, 218, 267 SNP-Haplotyp, 267 somatische Zelle, 20, 23f. somatisches Mosaik, siehe Mosaik, somatisches Sparsamkeitsprinzip, 94, 140, 252 Spleißen, 15 alternatives, 16 SPSS, 273 Stammbaum, 41, 283 einfacher, 150, 174

erweiterter, 127 großer, 166, 172, 183 komplexer, 150, 174 Stammbaumanalyse, 294 Standardisierung, 29 Standardnormalverteilung, 29, 193, 259 STATA, 273 statistisch unabh¨ angig, 288 statistischer Test, 56f. stetig, siehe quantitativ Stichprobe, 47, 138 Stichprobengr¨ oße, 48, 58, 252 Stichprobenumfang, siehe Stichprobengr¨ oße Stop-Mutation, 23 STR, siehe short tandem repeat Stratifikationsfaktor, 240 Stratum, 114 Structured Association, 240 STS, 46 Studienplanung, 97 Subpopulation, siehe Population, Sub-, 238 Supportintervall, 180 t-Test, 250 tagging SNP, 98, 99, 104, 268 tagSNP, siehe tagging SNP TDT, siehe Transmission-DisequilibriumTest Teilmenge, 26 Telomer, 12 Terminator, 15 Test approximativer, 249 exakter, 249 Permutations-, 249 Test auf Interaktion, 271 Teststatistik, 56 Thiopyrin S-Methyl-Transferase, 131 Tierexperiment, 218 TPMT, siehe Thiopyrin S-MethylTransferase Transformation, siehe Variablentrans formation, 203

Index

Transkription, 15, 24 Translation, 15 Transmission, 69, 254, 258 pr¨ aferenzielle, 76 transmission distortion, siehe Trans aferenzielle mis sion, pr¨ Transmission-Disequilibrium-Test, 76, 254, 258, 272 Transmissionsparameter, 128, 136, 145, 150, 152, 173 triad, siehe Trio Trinukleotidrepeat, 17 expandierender, 39 Trio, 41, 94, 97, 104, 254 truncate selection, siehe Selektion, gek¨ urzte ¨ Uberlebenszeitanalyse, 63 ¨ Uberlebenszeiten, 62 ¨ Ubertr¨ ager, 34, 283, 289, 295, 298 ¨ Ubertragungsmodus, siehe Vererbungsmodus, 182 unabh¨ angiges Ereignis, siehe Ereignis, unabh¨ angig ungekoppelt, 22 unified model, siehe Modell, vereinigtes Untersuchung funktionelle, 218 Untersuchungszeitpunkt, 63 unverbundene Stichprobe, 250 V(X), siehe Varianz Validit¨ at, 138 variable Expressivit¨ at, siehe Hetero genit¨ at, variable Expressivit¨ at variable number of tandem repeat, siehe VNTR Variablentransformation, 29 variance components analysis, siehe Varianzkomponentenanalyse Varianz, 28, 115 additive, 199, 200 dominante, 199, 200 genetische, 199

343

Umwelt, 199, 200 Varianzanalyse, 251 Varianzinflationsfaktor, 240 Varianzkomponente, 199 Varianzkomponentenanalyse, 153, 199f., 204, 204f. VC-Analyse, siehe Varianzkomponentenanalyse, siehe Varianzkomponentenanalyse vereinigtes Modell, 136 Vereinigungsmenge, 26 Vererbungsmodus, 115f., 151, 162 Vererbungsvektor, 208, 209f., 214 Verfahren sequentielles, 176 Verteilung, siehe Wahrscheinlichkeitsverteilung Binomial-, siehe Binomialverteilung Chiquadrat, siehe Chiquadratverteilung gemischte, 179 Normal-, siehe Normalverteilung Poisson-, siehe Poissonverteilung Verteilungsfunktion, 28f. Verwandtenehe, 217 Verwandtschaft kryptische, 217 Verwandtschaftsgrad, 116 Verwandtschaftskoeffizient, 76, 205 Verzerrung, 55, 183 Vitamin-D-resistente Rachitis, 35 VNTR, 17 vollst¨ andige Kopplung, siehe Kopplung, vollst¨ andige vollst¨ andige Penetranz, siehe Penetranz, vollst¨ andige Wahrscheinlichkeit, 26, 291 bedingte, 29, 285 Interpretation, 25 Wahrscheinlichkeit Laplace, siehe Laplace-Wahrscheinlichkeit Wahrscheinlichkeitsrechnung, 25, 25f. Wahrscheinlichkeitsverteilung, 27

344

Index

weighted least squares, siehe gewichtete Methode der kleinsten Quadrate Welch-Test, 251 Wiederholungsrisiko, 115, 194, 197, 281, 282 Wildtyp, 46, 134 Wright-Fisher-Modell, 71, 101 X-Chromosom, 11, 22 X-chromosomal, 284, 300f. X-chromosomal dominant, 33, 35 X-chromosomal rezessiv, 33, 34 X-Inaktivierung, 39 Y-Chromosom, 11, 22 Y-chromosomal, 35 Z-Score, siehe Maximum LOD-Score Zeit bis zum MRCA, 102

zensierte Beobachtungen, 139 zensierte Daten, 63 Zentromer, 12 Zerlegung, 32 Zielvariable, 60 Zufallsexperiment, 26 Zufallspaarung, siehe Paarung, zuf¨ allige, 101 Zufallsvariable, 27 diskrete, siehe Merkmal, diskretes stetige, 28 Zwei-Locus-Modell, 131, 140, 173, 312, 319 Zwei-Punkt-Kopplungsanalyse, 159, 179 Zweischrittverfahren, 218, 269 Zystische Fibrose, 34 Zytogenetik, 23